[发明专利]一种风电场集电线路电缆局放信号采集处理方法

权利要求书

1.一种风电场集电线路电缆局放信号采集处理方法，其特征在于：包括以下步骤：

步骤S1、获取风电场集电线路电缆的历史局放故障，并依次在每个历史局放故障中提取出故障区间特征，故障信号特征以及故障类型，再基于故障区间特征和故障信号特征对历史局放故障进行区间故障率量化得到每个历史局放故障的区间故障率；

步骤S2、利用分类算法基于故障信号特征和故障类型构建局放故障识别模型，以及利用神经网络基于故障区间特征和区间故障率进行模型训练得到故障区间标定模型；

步骤S3、对待采集局放信号的风电场集电线路电缆进行区间划分得到一组采集区间，基于故障区间标定模型依次对每个采集区间进行区间标定得到每个采集区间的区间故障率，再基于每个采集区间的区间故障率将采集区间分类为高危区间和低危区间，所述高/低危区间表征为历史局放故障中具有高/低危险性的位置区间；

步骤S4、对所述高危区间和低危区间依据区间故障率分区布局高危区间和低危区间的信号采集点，以实现对高危区间和低危区间进行分区检测来保证信号采集的高时效性和低冗余性，并利用局放故障识别模型同步将各个信号采集点的采集信号进行识别，以在待采集局放信号的风电场集电线路电缆上定位出局放故障的故障区间以及识别出局放故障的故障类型。

2.根据权利要求1所述的一种风电场集电线路电缆局放信号采集处理方法，其特征在于：所述依次在每个历史局放故障中提取出故障区间特征，故障信号特征以及故障类型，包括：

所述故障区间特征包括历史局放故障的电缆区间特征和环境区间特征，所述电缆区间特征表征为位于历史局放故障的故障区间内风电场集电线路电缆的固有属性特征，所述环境区间特征表征为位于历史局放故障的故障区间内风电场集电线路电缆的外部安装环境特征。

3.根据权利要求2所述的一种风电场集电线路电缆局放信号采集处理方法，其特征在于：所述基于故障区间特征和故障信号特征对历史局放故障进行区间故障率量化得到每个历史局放故障的区间故障率，包括：

利用Kmeans++算法基于所述故障区间特征对所述历史局放故障进行聚类分簇得到多组局放故障簇，并依次统计每个局放故障簇的局放故障数，再基于局放故障数计算出每个历史局放故障的基础故障率，所述基础故障率的计算公式为：

式中，P_i表征为第i个历史局放故障的基础故障率，n_i表征为第i个历史局放故障所在的局放故障簇的局放故障数，N表征为历史局放故障总数；

依次计算每个历史局放故障的故障信号特征和标准信号特征的欧几里得距离，并基于所述欧几里得距离计算出每个历史局放故障的故障率权重，以衡量每个历史局放故障的故障程度，所述故障率权重的计算公式为：

式中，α_i表征为第i个历史局放故障的故障率权重，S_i表征为第i个历史局放故障的故障信号特征，H表征为标准信号特征；

依次将每个历史局放故障的所述故障率权重加权至基础故障率上得到每个历史局放故障的所述区间故障率，所述区间故障率的计算公式为：

K_i＝α_i*P_i；

式中，K_i表征为第i个历史局放故障的区间故障率，i为计量常数。

4.根据权利要求3所述的一种风电场集电线路电缆局放信号采集处理方法，其特征在于：所述利用分类算法基于故障信号特征和故障类型构建局放故障识别模型，包括：

将故障信号特征和故障类型分别作为XGBoost算法的输入项和输出项，并将所述XGBoost算法基于所述输入项和输出项进行模型训练得到所述局放故障识别模型，所述局放故障识别模型的模型函数为：

label＝XGBoost(S)；

式中，label为故障类型的标识符，S为故障信号特征的标识符，XGBoost为XGBoost算法的标识符。