一种直流电缆局部放电缺陷故障的识别方法及系统技术方案

本发明专利技术公开了一种直流电缆局部放电缺陷故障的识别方法，其包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；(4)对所述深度信念网络进行有监督训练，以优化网络参数；(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。此外，本发明专利技术还公开了一种直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及信号处理模块。直流电缆局部放电缺陷故障的识别方法及系统准确率高。

A Recognition Method and System for Partial Discharge Defects of DC Cables

The invention discloses a method for identifying partial discharge defect faults of DC cables, which comprises the following steps: (1) collecting partial discharge pulse waveform signals of several insulation defect discharge models of DC cables; (2) extracting effective information of partial discharge pulse waveform signals to obtain training samples; (3) constructing a depth belief network based on restricted Boltzmann machine and adopting training samples. The deep belief network is trained unsupervised to obtain network parameters; (4) the deep belief network is trained to optimize network parameters; (5) the partial discharge pulse waveform signal to be identified is input into the trained deep belief network to obtain recognition results from its output. In addition, the invention also discloses a DC Cable Partial Discharge defect identification system, including signal acquisition module, pre-processing module and signal processing module. The identification method and system accuracy of partial discharge fault of DC cable are high.

【技术实现步骤摘要】
一种直流电缆局部放电缺陷故障的识别方法及系统
本专利技术涉及一种识别方法及系统，尤其涉及一种用于直流电缆故障的识别方法及系统。
技术介绍
随着柔性高压直流输电的快速发展，直流交联聚乙烯(Cross-linkedpolyethylene，简称XLPE)电缆凭借其优良的绝缘性能得到越来越多的应用。随着越来越多的高压直流输电项目陆续投入运行，亟需完善在线监测和故障预警系统以保证供电的可靠性。由于局部放电(Partialdischarge，简称PD)作为判断电力设备状态的一项重要指标已被国际电工委员会列入检测标准，但是直流电缆局部放电的模式识别和故障诊断研究仍处于起步阶段。现阶段关于电缆局部放电的研究多针对交流XLPE电缆，对于直流电缆尚未形成统一的检测方法和评估标准，因此，直流电缆的局部放电信号的模式识别还有较大的研究空间。
技术实现思路
本专利技术的目的之一在于提供一种直流电缆局部放电缺陷故障的识别方法，该识别方法基于直流电缆发生局部放电时发出的脉冲电流信号，随后对脉冲电流信号进行预处理后提取有效信息，然后通过构建神经网络进行训练，由训练后的神经网络对待识别的信号进行识别，最终实现对直流电缆本文档来自技高网...

【技术保护点】
1.一种直流电缆局部放电缺陷故障的识别方法，其特征在于，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；(4)对所述深度信念网络进行有监督训练，以优化网络参数；(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。

【技术特征摘要】
1.一种直流电缆局部放电缺陷故障的识别方法，其特征在于，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；(4)对所述深度信念网络进行有监督训练，以优化网络参数；(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。2.如权利要求1所述的识别方法，其特征在于，所述绝缘缺陷放电模型至少包括气隙放电模型、电晕放电模型、划痕放电模型和沿面放电模型。3.如权利要求1所述的识别方法，其特征在于，在步骤(2)中，采用Canny算法提取局部放电脉冲波形信号的有效信息，所述有效信息包括局部放电脉冲波形信号发生变化的片段。4.如权利要求3所述的识别方法，其特征在于，在步骤(2)中，采用Canny算法提取局部放电脉冲波形信号的有效信息包括步骤：采用一维高斯函数对局部放电脉冲波形信号f(x)进行平滑处理，得到高斯滤波后的波形信号求取的导数g(x)，进行非极大值抑制，只保留导数的极大值点；进行双阈值检测：设置低阈值δl和高阈值δh，若导数g(xi)小于δl则标记xi为非边缘点，若大于δh则标记点xi为强边缘点，其余的点标记为弱边缘点；抑制孤立弱边缘点：设置邻域ε，若弱边缘点邻域ε内无强边缘点则该点被作为非边缘点；若存在弱边缘点则选取第1个弱边缘点作为局部放电脉冲波形信号发生变化的片段的起始点，否则选取第1个强边缘点作为局部放电脉冲波形信号发生变化的片段的起始点。5.如权利要求1所述的识别方法，其特征在于，在步骤(3)中，使用对比散度算法逐层训练所述深度信念网络得到所述网络参数。6.如权利要求4所述的识别方法，其特征...

【专利技术属性】
技术研发人员：盛戈皞，李喆，许永鹏，黄光磊，钱勇，陈国志，乐彦杰，胡文侃，刘亚东，罗林根，宋辉，江秀臣，
申请(专利权)人：上海交通大学，国网浙江省电力有限公司舟山供电公司，
类型：发明
国别省市：上海,31