基于BP网络的GIS局放声电联合检测故障定位方法技术

本发明专利技术公开了一种基于BP网络的GIS局放声电联合检测故障定位方法，步骤1，传感器将各自在现场采集到的信息转换为电信号；所述传感器包括超声波传感器和超高频传感器；步骤2，所述超声波传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；所述超高频传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；步骤3，利用BP神经网络对超声波传感器融合后的数据和超高频传感器融合后的数据进行融合，判断故障位置；步骤4，输出故障位置。本发明专利技术解决了目前基于单一类型传感器在线监测系统故障定位识别准确率和正确率低的问题，可有效避免基于单一类型传感器在线检测装置存在的误报、漏报及不报现象。

【技术实现步骤摘要】

本专利技术涉及涉及电子技术和控制领域，具体涉及一种基于BP网络的GIS局放声电联合检测故障定位方法。
技术介绍
气体绝缘组合电器是将断路器、隔离开关、接地开关、母线等多种设备全部封闭在充满六氟化硫气体金属外壳中的组合式开关电器，气体绝缘组合电器是高压输变电工程中的关键设备，一旦出现故障，将可能造成电网重大事故发生。绝缘降低是气体绝缘组合电器设备故障的主要原因，对气体绝缘组合电器(GasInsulatedSwitchgear，GIS)进行在线局部放电(PartialDischarge，PD)检测可有效掌握GIS内部绝缘状况，预防GIS绝缘故障跳闸造成电网事故。GIS局部放电会产生声波和电磁信号，跳动粒子和局部放电为两个声波发射源，在腔体外壁中传播的声波除纵波外还有横波，超声波检测法通过超声波探头检测PD产生的超声波及振动信号来检测PD信号，超高频法(UltraHighFrequency，UHF)通过天线接收PD产生的300～3000MHz频段UHF电磁波信号来检测PD信号。这两种方法是目前在GIS局部放电检测领域内较为有效的方法。公开号105807190A公开了一种GIS局部放电超高频带电检测方法，超高频传感器接收GIS局部放电产生的电磁脉冲信号，并将电磁脉冲信号转化为高频电压信号后通过屏蔽电缆传输给局部放电检测仪；同时无线工频信号发生装置向局部放电检测仪发射工频电压信号；局部放电检测仪对高频电压信号和工频电压信号进行数据解析得到PRPD放电图谱以及超高频放电脉冲波形；局部放电检测仪对PRPD放电图谱和超高频放电脉冲波形分别进行PRPD聚类分析和脉冲波形时频分析，并根据分析结果识别所述GIS局部放电的放电类型。超声波法受到现场噪声干扰较大，超高频检测法不能够准确进行故障定位。同时两种信号在GIS内部传输至探头过程中衰减较快，增加了超声波或者超高频传感器放电信号采集及滤波分析等难度，故此两种单一方法精确定位故障位置效果并不理想。在GIS内部模拟突出物A类缺陷、附着物B类缺陷、绝缘子气隙C类缺陷及自由微粒D类缺陷等4种绝缘缺陷，运用此两种方法进行故障检测，对检测图谱分析可知：超声波检测法对D类自由金属颗粒缺陷引起的PD检测效果最明显，对B类绝缘子附着污染物缺陷放电检测并不明显；超高频检测法中对A类金属突出物和C类绝缘子气隙缺陷引起的PD检测效果最为明显，对D类自由金属微粒缺陷放电检测效果最差。上述基于单一类型传感器的两种在线检测目前存在不同的问题：超声波法受到现场噪声干扰较大，超高频检测法不能够准确进行故障定位。
技术实现思路
有鉴于此，本专利技术的目的是针对现有技术的不足，提供一种基于BP网络的GIS局放声电联合检测故障定位方法，可有效避免基于单一类型传感器在线检测装置存在的误报、漏报及不报现象，提高故障检测的快速性和准确性。为解决上述技术问题，本专利技术所采取的技术方案如下：一种基于BP网络的GIS局放声电联合检测故障定位方法，包括以下步骤：步骤1，传感器将各自在现场采集到的信息转换为电信号；所述传感器包括超声波传感器和超高频传感器；步骤2，所述超声波传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；所述超高频传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；步骤3，利用BP神经网络对超声波传感器融合后的数据和超高频传感器融合后的数据进行融合，判断故障位置；步骤4，输出故障位置。优选的，所述BP神经网络的神经元函数采用双极性S型函数：其中e为自然常数，a为变量。优选的，所述步骤3的数据融合步骤如下：1)初始化：设置网络各层权值、阀值的初值为较小的随机数阵，循环次数最大(最大值是1000)；将传感器所采集的的数据进行处理后，作为训练样本；设输入量为X＝(x1,x2,…,xα)，对应输出为Y＝(y1,y2,…,yp)，网络的期望输出为D＝(d1,d2,…,dp)；设有α个样本为训练数据，设为第p个样本输出，和分别为第一和第二隐含层的输出，ωuv为连接权值；则各节点对应的输出为：gjp=f(Σi=0noωjixip)hkp=f(Σj=0n1ωkjgip)yjp=f(Σk=0n2ωlkxkp)---(4)]]>公式中：α个输入样本，为输入网络后第一隐含层的输出结果，j/p/k均表示变量1,2,3……α.表示输入网络后第二隐含层输出结果，表示输入网络后最终输出结果，输入网络后为第p个样本的实际输出；ωuv为各个神经元之间的连接权值；3)误差反向传播；从输出层、隐含层到输入层，用基于梯度最速下降法计算的各层反向误差信号，得到权值调整模式，等效误差δ计算公式为：δjp=f′(netjp)(tjp-yjp)δkp=f′(netkp)(tkp-ykp)δlp=f′(netlp)(tlp-ylp)---(5);]]>各层神经元的等效误差为δ，t为各层神经元设定的目标值，y为各层神经元的实际输出值；4)各层连接权值修正，计算公式为：ωlk(n+1)=ωlk(n)+η1-mc(Σp=1αδlphkp)ωkj(n+1)=ωkj(n)+η1-mc(Σp=1αδkpgjp)ωji(n+1)=ωji(n)+η1-mc(Σp=1αδjpxip)---(6);]]>mc为动量因子，取mc＝0.9，根据附加动量法判断条件，此时第k步误差平方和E(k)＞E(k-1)；各层神经元的等效误差为δα个输入样本，为输入网络后第一隐含层的输出结果，j/p/k均表示变量1,2,3……α.表示输入网络后第二隐含层输出结果，表示输入网络后最终输出结果，输入网络后为第p个样本的实际输出；ωuv为各个神经元之间的连接权值；5)根据新的连接权值，进行正向计算；即判断每一个学习样本(xp，tp)和输出层的每一个神经元是否满足设定精度，若满足，则输出结果；否则返回步骤2)继续训练。判断每一个学习样本(xp，tp)和输出层的每一个神经元是否满足设定精度，根据运行经验设定的精度取值为0.001。若满足，则输出结果；否则返回步骤2)继续训练。本专利技术的有益效果是：本专利技术基于两种不同类型传感器信息融合，，通过两种方法进行联合在线检测，运用多传感器信息融合技术对局放数据融合决策，避免了超声波、超高频这两种单一在线方法，不能对GIS设备局部放电故障进行完全有效定位，不能满足《国家电网公司高压开关设备在线检测装置规范》的要求的问题，提高了故障检测的快速性和准确性。本专利技术分析局部放电产生时的信号，结合当前电子信息、控制理论学科和电力检测技术，可有效避免基于单一类型传感器在线检测装置存在的误报、漏报及不报现象。声电联合定位检测系统采用到达时间差TDOA(TimeDifferentofArrival，TDOA)法，利用BP(BackPropagation)神经网络进行对超声波和超高频法传感器采集数据进行融合来本文档来自技高网...

【技术保护点】
一种基于BP网络的GIS局放声电联合检测故障定位方法，其特征在于，包括以下步骤：步骤1，传感器将各自在现场采集到的信息转换为电信号；所述传感器包括超声波传感器和超高频传感器；步骤2，所述超声波传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；所述超高频传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；步骤3，利用BP神经网络对超声波传感器融合后的数据和超高频传感器融合后的数据进行融合，判断故障位置；步骤4，输出故障位置。

【技术特征摘要】
1.一种基于BP网络的GIS局放声电联合检测故障定位方法，其特征在于，包括以下步骤：步骤1，传感器将各自在现场采集到的信息转换为电信号；所述传感器包括超声波传感器和超高频传感器；步骤2，所述超声波传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；所述超高频传感器将转换后的电信号进行数据预处理，并将预处理后的数据进行融合；步骤3，利用BP神经网络对超声波传感器融合后的数据和超高频传感器融合后的数据进行融合，判断故障位置；步骤4，输出故障位置。2.根据权利要求1所述的一种基于BP网络的GIS局放声电联合检测故障定位方法，其特征在于：所述BP神经网络的神经元函数采用双极性S型函数：其中e为自然常数，a为变量。3.根据权利要求1所述的一种基于BP网络的GIS局放声电联合检测故障定位方法，其特征在于：所述步骤3的数据融合步骤如下：1)初始化：设置网络各层权值、阀值的初值为随机数阵，循环次数最大；2)正向输入、输出关系；将传感器所采集的的数据进行处理后，作为训练样本；设输入量为X＝(x1,x2,…,xα)，对应输出为Y＝(y1,y2,…,yp)，网络的期望输出为D＝(d1,d2,…,dp)；设有α个样本为训练数据，设为第p个样本输出，和分别为第一和第二隐含层的输出，ωuv为连接权值；则各节点对应的输出为：gjp=f(Σi=0noωjixip)hkp=f(Σj=0n1ωkjgip)yjp=f(Σk=0n2ωlkxkp)---(4)]]>公式中：α个输入样本，为输入网络后第一隐含层的输出结果，j/p/k均表示变量1,2,3……α.表示输入网络后第二隐含层输出结果，表示输入网络后...

【专利技术属性】
技术研发人员：汤会增，朱森，许冰，郭凯，张利，李媛媛，
申请(专利权)人：国家电网公司，国网河南省电力公司检修公司，
类型：发明
国别省市：北京;11