一种开关柜局部放电模式识别方法技术

一种开关柜局部放电模式识别方法，所述方法首先建立典型局部放电模型，通过加压试验获取各模型的局部放电信号；然后根据得到的局部放电信号绘制局部放电的φ-q图或φ-n图，并从图中提取各类典型局部放电的统计特征参数；再以各类典型局部放电的统计特征参数作为初始训练样本对支持向量机分类器进行训练；最后用训练好的支持向量机分类器对开关柜局部放电模式进行识别。本发明专利技术利用支持向量机分类器识别开关柜的局部放电模式，支持向量机具有良好的泛化能力，而且对于小样本识别有良好的识别率，能较好地解决局部极小化、过学习和欠学习等问题。与传统方法相比，该方法不仅操作简单，耗时短，准确度高，而且有较好的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种能够准确识别开关柜内局部放电模式的方法，属开关

技术介绍
高压开关柜是电力系统中的关键设备，在开关柜运行过程中，其零部件会逐渐老 化，导致绝缘强度降低，进而引起局部电场强度的增强，当某处的电场强度大于其击穿场强 时，就会引起局部放电。统计表明，因局部放电缺陷造成的开关柜事故占到了相当大比率， 因此，对开关柜的局部放电进行有效监测就显得尤为重要。 开关柜内的局部放电有多种类型，不同类型的局部放电所表现出来的特征有所不 同，对开关柜稳定运行的影响程度也各不相同。而对局部放电模式进行有效识别，是准确评 估开关柜局部放电的危害程度和选择正确处理方案的前提。 目前广泛使用的局部放电模式识别方法是人工神经网络法，该方法反应的是大样 本数据的统计特征，但由于实际样本数据有限，神经网络法在应用中存在明显缺陷：网络结 构需要事先制定或应用启发算法在训练过程中修正，而这些启发算法难以保证网络结构的 最优化，网络易陷入局部最小化而无法得到最优解等。因此，寻找一种能够有效识别开关柜 内局部放电模式的方法是十分必要的。
技术实现思路
本专利技术的目的在于针对现有技术之弊端，提供一种开关柜局部放电模式识别方 法，为准确评估开关柜局部放电的危害程度和选择正确处理方案提供可靠依据。 本专利技术所述问题是以下述技术方案解决的： ，所述方法首先建立典型局部放电模型，通过加压 试验获取各模型的局部放电信号；然后根据得到的局部放电信号绘制局部放电的巾-q图 或小-n图，并从图中提取各类典型局部放电的统计特征参数；再以各类典型局部放电的统 计特征参数作为初始训练样本对支持向量机分类器进行训练；最后用训练好的支持向量机 分类器对开关柜局部放电模式进行识别。 上述开关柜局部放电模式识别方法，所述方法包括以下步骤： a. 建立典型局部放电模型，对各典型局部放电模型进行加压试验，采集多个周期的局 部放电信号； b. 根据采集的局部放电信号中每个周期的放电次数n及每次放电的放电相角巾和视 在电荷量q，绘制局部放电的巾_q图或巾_n图； c. 从局部放电的巾-q图或巾-n图中提取各典型局部放电的统计特征参数，所述统计 特征参数包括偏斜度亀、陡峭度尾和相关系数CC，它们的定义分别为：【主权项】1. ，其特征是，所述方法首先建立典型局部放电模 型，通过加压试验获取各模型的局部放电信号；然后根据得到的局部放电信号绘制局部放 电的4-q图或4-n图，并从图中提取各类典型局部放电的统计特征参数；再W各类典型局 部放电的统计特征参数作为初始训练样本对支持向量机分类器进行训练；最后用训练好的 支持向量机分类器对开关柜局部放电模式进行识别。2. 根据权利要求1所述的开关柜局部放电模式识别方法，其特征是，所述方法包括W 下步骤： a. 建立典型局部放电模型，对各典型局部放电模型进行加压试验，采集多个周期的局 部放电信号； b. 根据采集的局部放电信号中每个周期的放电次数n及每次放电的放电相角4和视 在电荷量q，绘制局部放电的4-q图或4-n图； C.从局部放电的（l)-q图或4-11图中提取各典型局部放电的统计特征参数，所述统计 特征参数包括偏斜度毎、睹峭度^>和相关系数CC，它们的定义分别为；其中，表示半周期内相窗数，表示在第个相位窗中出现的概率（为第i个 相窗的放电重复率)，会为正半周第f个相位窗的平均放电量，C为负半周第i个相位窗的 平均放电量，ft为4-q图中第i个相窗的视在放电量或4-n图中第i个相窗的放电次数， ^为4 -q图中q的均值或4 -n图中n的均值，〇为（J) -q图中q的标准差或（J) -n图中n 的标准差； d. 采用二叉树法设计支持向量机（SV^O分类器； e. W各类典型局部放电的统计特征参数作为初始训练样本对支持向量机分类器进行 训练，得到训练后的分类器模型； f. 采用训练后的支持向量机分类器模型对开关柜进行监测及局部放电模式的识别。3. 根据权利要求1或2所述的，其特征是，所述典型 局部放电模型有四种，分别为针板放电，内部放电，沿面放电和悬浮放电。4. 根据权利要求3所述的，其特征是，提取各典型 局部放电的统计特征参数时，应对特征参数进行归一化处理，处理式为：式中y表示各特征参数归一化后的数值，X表示待归一化的数值，Xmi。表示待归一化的 参数序列中的最小值，Xm"表示待归一化的参数序列中的最大值。5. 根据权利要求4所述的，其特征是，绘制局部放 电的4-q图或4-n图时，首先根据采集的局部放电信号中每个周期的放电次数n及每次 放电的放电相角4和视在电荷量q，构建局部放电的S维PRTO图，然后将S维PRTO图映射 到二维面，得到4-n图或者4-q图。6. 根据权利要求5所述的，其特征是，为了消除噪 声干扰，应对采集到的局部放电信号进行滤波降噪处理。【专利摘要】，所述方法首先建立典型局部放电模型，通过加压试验获取各模型的局部放电信号；然后根据得到的局部放电信号绘制局部放电的φ-q图或φ-n图，并从图中提取各类典型局部放电的统计特征参数；再以各类典型局部放电的统计特征参数作为初始训练样本对支持向量机分类器进行训练；最后用训练好的支持向量机分类器对开关柜局部放电模式进行识别。本专利技术利用支持向量机分类器识别开关柜的局部放电模式，支持向量机具有良好的泛化能力，而且对于小样本识别有良好的识别率，能较好地解决局部极小化、过学习和欠学习等问题。与传统方法相比，该方法不仅操作简单，耗时短，准确度高，而且有较好的鲁棒性。【IPC分类】G01R31-12【公开号】CN104849633【申请号】CN201510250892【专利技术人】周羽, 彭红霞, 张卫国, 李继攀, 盛瑞明, 刘相兴, 闫冬, 赵俊杰, 律方成, 王胜辉, 詹振宇 【申请人】国家电网公司, 国网山东省电力公司菏泽供电公司, 华北电力大学（保定）【公开日】2015年8月19日【申请日】2015年5月15日本文档来自技高网...

【技术保护点】
一种开关柜局部放电模式识别方法，其特征是，所述方法首先建立典型局部放电模型，通过加压试验获取各模型的局部放电信号；然后根据得到的局部放电信号绘制局部放电的φ‑q图或φ‑n图，并从图中提取各类典型局部放电的统计特征参数；再以各类典型局部放电的统计特征参数作为初始训练样本对支持向量机分类器进行训练；最后用训练好的支持向量机分类器对开关柜局部放电模式进行识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：周羽，彭红霞，张卫国，李继攀，盛瑞明，刘相兴，闫冬，赵俊杰，律方成，王胜辉，詹振宇，
申请(专利权)人：国家电网公司，国网山东省电力公司菏泽供电公司，华北电力大学保定，
类型：发明
国别省市：北京;11