直流电缆局部放电缺陷故障的识别方法、系统及Caffe卷积神经网络技术方案

本发明专利技术公开了直流电缆局部放电缺陷故障的识别方法，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的q‑Δt‑n局部放电信号图；(2)将q‑Δt‑n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络；(4)采用训练样本训练Caffe卷积神经网络；(5)将待识别局部放电信号图输入经过训练的Caffe卷积神经网络中，获得识别结果。此外，本发明专利技术还公开了用于直流电缆局部放电缺陷故障识别的Caffe卷积神经网络。另外，本发明专利技术还公开了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Caffe卷积神经网络。该识别方法进行直流电缆的故障识别，以保证供电可靠。

Recognition Method, System and Caffe Convolution Neural Network for Partial Discharge Defects in DC Cables

The invention discloses a method for identifying partial discharge defect faults of DC cables, including steps: (1) collecting q_t_n partial discharge signal maps of several insulation defect discharge models of DC cables; (2) normalizing q_t_n partial discharge signal maps to obtain training samples; (3) constructing Caffe convolution neural network; (4) training Caffe convolution neural network with training samples; (4) training Caffe convolution neural network with training samples Network; (5) The partial discharge signal graph to be identified is input into the trained Caffe convolution neural network, and the recognition results are obtained. In addition, the invention also discloses a Caffe convolution neural network for partial discharge fault identification of DC cable. In addition, the invention also discloses a partial discharge fault identification system for DC cables, including signal acquisition module, preprocessing module and Caffe convolution neural network. This method can identify the fault of DC cable to ensure the reliability of power supply.

【技术实现步骤摘要】
直流电缆局部放电缺陷故障的识别方法、系统及Caffe卷积神经网络
本专利技术涉及一种识别方法、系统以及神经网络，尤其涉及一种用于识别直流电缆故障的识别方法、系统以及神经网络。
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。伴随着我国多个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。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，早已被国际电工委员会列入检测标准，但是对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。这是由于直流电压下的局部放电信号缺少相位信息，虽然有关于交流电压的局部放电模式识别的研究，但其无法应用到直流电缆的局部放电模式识别和故障诊断中。基于此，期望获得一种直流电缆局部放电缺陷故障的识别方法，以对直流电缆进行故障识别，从而实现对直流输电系统的在线监测和故障预警，以保证系统供电的可靠性。
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，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q‑Δt‑n局部放电信号图，其中q表示单个局部放电脉冲峰值，Δt表示两相邻局部放电的时间间隔，n表示某局部放电幅值q对应某时间间隔Δt的等效放电次数；(2)将q‑Δt‑n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络，所述Caffe卷积神经网络沿着数据处理的流向依次包括：串联设置的若干层卷积模块；串联设置的若干个全连接模块以及归一化指数函数(Softmax)层；其中，每个卷积模块均仅具有卷积层，线性整流函数激活函数层和池化层，数据输入各卷积模块后先经过卷...

【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q-Δt-n局部放电信号图，其中q表示单个局部放电脉冲峰值，Δt表示两相邻局部放电的时间间隔，n表示某局部放电幅值q对应某时间间隔Δt的等效放电次数；(2)将q-Δt-n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络，所述Caffe卷积神经网络沿着数据处理的流向依次包括：串联设置的若干层卷积模块；串联设置的若干个全连接模块以及归一化指数函数(Softmax)层；其中，每个卷积模块均仅具有卷积层，线性整流函数激活函数层和池化层，数据输入各卷积模块后先经过卷积层的卷积操作，再经过线性整流函数激活函数层的激活操作，最后通过池化层输出该卷积模块的结果；每个全连接模块中均包含全连接层，线性整流函数激活函数层和流失层，数据输入全连接模块后先经过流失层随机选择激活的神经元，再经过全连接层进行全连接操作，最后经过线性整流函数激活函数层的激活操作输出特征数据；所述归一化指数函数层，对全连接模块输出的特征数据进行计算得到最终正确率和损失；(4)采用训练样本训练所述Caffe卷积神经网络；(5)将待识别局部放电信号图输入经过训练的所述Caffe卷积神经网络中，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，所述Caffe卷积神经网络包括连续的五层卷积模块。4.如权利要求1所述的识别方法，其特征在于，所述Caffe卷积神经网络包括连续的两个全连接模块。5.如权利要求1所述的识别方法，其特征在于，在步骤(3)中，构建Caffe卷积神经网络还包括配置...

【专利技术属性】
技术研发人员：盛戈皞，许永鹏，朱煜峰，李喆，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