The invention discloses a method for identifying partial discharge types of XLPE power cables, which includes the following steps: (1) building an experimental platform for partial discharge of XLPE power cables, designing a typical partial discharge model for insulation faults; (2) collecting PRPD spectra and pulse waveforms of different insulation faults by high frequency current method, dividing the collected data into training samples and test samples, and extracting PRPD spectra respectively. The time-domain feature is extracted from the original pulse signal waveform by statistical feature, and the frequency-domain feature is extracted after fast Fourier transform. (3) The feature is normalized, and the network parameters are set by training samples to construct the fusion extreme learning machine network. (4) The normalized feature of test samples is sent to the fusion extreme learning machine network which is completed by training and put into the fusion extreme learning machine network. Recognition result of electric type. The invention can improve the accuracy and stability of partial discharge type identification of XLPE power cable.
【技术实现步骤摘要】
一种XLPE电力电缆局部放电类型识别方法
本专利技术涉及配电设备局部放电
,尤其是一种XLPE电力电缆局部放电类型识别方法。
技术介绍
随着城市配电网的迅速发展,XLPE电力电缆得到了广泛的应用,但由于制造工艺、敷设环境和运行条件的复杂性,XLPE电缆绝缘缺陷时有发生,如果不能尽早发现并进行处理,将发展成为绝缘击穿事故,造成线路停电等不良影响。局部放电检测作为一种有效的带电检测手段,能及时发现设备的绝缘故障。但缺陷形式多样,对应于不同的放电特征,对设备绝缘的危害程度和安全运行的影响也不同。对放电类型的准确识别,能为电缆绝缘状态的评估提供依据,从而及时对可能发生的故障进行告警并有针对性地制定检修计划。目前,XLPE电缆局部放电类型识别方法大多为传统的多隐层神经网络,收敛速度较慢,训练时间较长,容易陷入局部最优。同时对放电特征的提取维度较为单一,容易出现误分类的情况。因此,需要从多个角度提取局部放电信号的特征,研究性能更好、效率更高的模式识别方法,提高分类的准确性。
技术实现思路
本专利技术所要解决的技术问题在于,提供一种XLPE电力电缆局部放电类型识别方法,能够提高XLPE电力电缆局部放电类型识别的准确率和稳定性。为解决上述技术问题,本专利技术提供一种XLPE电力电缆局部放电类型识别方法,包括如下步骤:(1)搭建XLPE电力电缆局部放电实验平台,设计典型的绝缘故障局部放电模型;(2)利用高频电流法采集不同绝缘故障的PRPD谱图和脉冲波形图,将采集数据分为训练样本和测试样本,分别对PRPD谱图提取统计特征量,对脉冲信号原始波形图提取时域特征量,波形图经过快速 ...
【技术保护点】
1.一种XLPE电力电缆局部放电类型识别方法,其特征在于,包括如下步骤:(1)搭建XLPE电力电缆局部放电实验平台,设计典型的绝缘故障局部放电模型;(2)利用高频电流法采集不同绝缘故障的PRPD谱图和脉冲波形图,将采集数据分为训练样本和测试样本,分别对PRPD谱图提取统计特征量,对脉冲信号原始波形图提取时域特征量,波形图经过快速傅里叶变换后提取频域特征量;(3)对特征量进行归一化,利用训练样本设置网络参数,构建融合极限学习机网络;(4)将测试样本归一化后的特征量送入训练完成的融合极限学习机网络,得到放电类型的识别结果。
【技术特征摘要】
1.一种XLPE电力电缆局部放电类型识别方法,其特征在于,包括如下步骤:(1)搭建XLPE电力电缆局部放电实验平台,设计典型的绝缘故障局部放电模型;(2)利用高频电流法采集不同绝缘故障的PRPD谱图和脉冲波形图,将采集数据分为训练样本和测试样本,分别对PRPD谱图提取统计特征量,对脉冲信号原始波形图提取时域特征量,波形图经过快速傅里叶变换后提取频域特征量;(3)对特征量进行归一化,利用训练样本设置网络参数,构建融合极限学习机网络;(4)将测试样本归一化后的特征量送入训练完成的融合极限学习机网络,得到放电类型的识别结果。2.如权利要求1所述的XLPE电力电缆局部放电类型识别方法,其特征在于,步骤(1)中,局部放电实验平台包括自耦调压器、升压变压器、限流电阻、试验样品、高频电流传感器、采样电阻、同轴电缆和测试装置,自耦调压器和升压变压器将工频220V电压升压至放电模型产生稳定放电的电压值,变压器和放电模型间接有限流电阻,高频电流传感器接在试验样品和地之间采集局放信号,电压同步信号由并联的采样电阻获得,两路信号通过同轴电缆传输到测试装置;四种绝缘缺陷包括电晕放电、内部放电、悬浮放电和沿面放电。3.如权利要求1所述的XLPE电力电缆局部放电类型识别方法,其特征在于,步骤(2)中,采集不同绝缘故障的PRPD谱图提取的统计特征量具体为:(a)放电量因数RQ:反映正负半周的平均放电量的差异,定义为负正半轴平均放电量的比值:式中,和分别代表正负半周放电量平均值,和分别代表正负半周放电量之和,和分别代表正负半周放电次数和;(b)正负半周相关系数CC:反映PRPD谱图在正负半周上的形状的差异程度:式中,x和y分别代表正负半周内在各相位分隔区间内的放电特征数值,Cov(x,y)代表变量x与y的协方差,Var(x)代表x的方差;(c)偏斜度Sk:反映PRPD谱图中某个半周内放电次数和放电量的分布相对于正态分布的偏斜情况,以正半周偏斜度Sk+为例,公式为:式中,xi为第i个相位小区间内局部放电总量,pi为相位小区间内局部放电总量对于相位的概率分布,μ和σ分别为半个周期内相位概率分布的平均值与标准差;(d)峰度Ku:反映PRPD谱图形状分布相对于正态分布的陡峭程度:4.如权利要求1所述的XLPE电力电缆局部放电类型识别方法,其特征在于,步骤(2)中,采集不同绝缘故障的脉冲信号的原始波形图提取的时域特征量具体为:(a)上升时间tr:脉冲上升过程中瞬时值从峰值的10%至90%经过的时间;(b)峰值时间tp:脉冲上升过程中瞬时值从0到峰值经过的时间;(c)下降时间td:脉冲下降过程中瞬时值从峰值的90%到10%经过的时间;(d)脉冲宽度tw:脉冲瞬时值从上升沿峰值的50%到下降沿峰值的50%经过的时间;(e)波峰个数Ntp:波形极...
【专利技术属性】
技术研发人员:吴在军,钱程,潘志新,刘利国,王震,袁栋,凌佳凯,刘培强,
申请(专利权)人:东南大学,国网江苏省电力有限公司,国网江苏省电力有限公司无锡供电分公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。