一种基于ELM的GIS局部放电缺陷诊断分类系统及方法技术方案

本发明专利技术提供一种基于ELM的GIS局部放电缺陷诊断分类系统及方法，该方法通过采集特高频局放时域信号并利用主元分析法获取能够表征缺陷特征的主元参数组成样本特征数据集，利用极限学习机网络模型实现基于样本特征数据集的分类，无需进一步将时域信号转换为PRPS‑PRPD图谱作为特征获取来源，从时域维度直接参与缺陷类型的诊断，为电力设备的异常缺陷诊断提供了新的解决途径。

A fault diagnosis and classification system and method of GIS Partial Discharge Based on Elm

【技术实现步骤摘要】
一种基于ELM的GIS局部放电缺陷诊断分类系统及方法
本专利技术涉及电力设备异常缺陷诊断领域，更具体地，涉及一种基于ELM的GIS局部放电缺陷诊断分类系统及方法。
技术介绍
随着我国经济的持续飞速发展，电网系统供电可靠性及稳定性要求逐步提高，对电力设备出现的异常缺陷处理受到高度重视。电力设备产生局部放电时会相应释放出声、光、电信号，根据检测原理的不同，包含采用特高频法、超声波法、高频电流法等来检测局部放电信号；根据巡检方式的不同，分为带电检测及在线监测。当结合特高频检测技术进行电力设备的带电检测时，通常采用将特高频时域波形信号转换为PRPS-PRPD图谱或者周期图谱，进而通过观察图谱的特征变化对设备的异常作出诊断。当进行在线监测时，通常将特高频时域波形信号转换为PRPS-PRPD图谱或者周期图谱后，将图谱通过网络传输至云端或本地服务器，由布置在内部的诊断系统进行诊断分类，诸如专家诊断系统或者深度学习诊断系统。但是上述诊断系统仍存在一定局限，如带电检测时带电检测人员是凭借积累的经验对检测的图谱进行故障类型判断，在线监测通过部署深度学习诊断系统对图谱进行诊断，其本质是将检测信号转换为一种图片格式进行模式识别，但是该系统运行需要占用较大的运行内存空间，对硬件环境具有较高要求，对于不具备上述硬件条件或者无法有效访问、利用该系统的情况，该诊断系统的应用将会受到限制。通过在本地设备上部署基于极限学习机的GIS局部放电缺陷诊断分类系统，为局放缺陷的诊断提供新的解决途径。
技术实现思路
本专利技术提供一种基于ELM的GIS局部放电缺陷诊断分类系统，该系统可实现对电力设备的异常缺陷诊断。本专利技术的又一目的在于提供这一种基于ELM的GIS局部放电缺陷诊断分类方法。为了达到上述技术效果，本专利技术的技术方案如下：一种基于ELM的GIS局部放电缺陷诊断分类系统，包括：数据采集处理模块和缺陷诊断模块；数据采集处理模块：包含前端特高频传感器、数据采集模块、数据处理模块；其中特高频传感器用于耦合空间中的电磁波信号；数据采集模块用于对传感器检测到的模拟信号实施检波放大及AD转换处理；数据处理模块用于对信号进行时频域特征提取及主元降维处理；缺陷诊断模块：用于存储训练及测试样本的特征数据集，同时建立基于极限学习机的神经网络模型，使用测试样本数据集对网络进行训练。一种基于ELM的GIS局部放电缺陷诊断分类方法，包括以下步骤：S1：检测电力设备特高频局部放电信号；S2：提取特高频信号时频域特征，并使用主元分析法对所提取的特征量作降维处理，仅提取主要特征量；S3：构建训练样本数据集和测试样本数据集，建立极限学习机神经网络模型进行训练和测试；S4：将待测试样本输入最终极限学习机神经网络模型，完成局放缺陷类型的识别输出。进一步地，所述步骤S1的过程是：空间中电磁波信号经数据采集处理模块采集后，经过放大、滤波、检波及A/D转换后，形成原始离散化的特高频数据。进一步地，特高频数据的类型包括：电晕放电、悬浮电位放电、微粒放电、内部放电、沿面放电、通讯干扰及背景噪声进一步地，所述步骤S2的过程是：S21：提取特高频时域信号特征量；S22：提取特高频信号频域特征量；S23：使用主元分析法确定上述指标中影响较大的特征量，剔除影响微弱的特征量，最终形成能够反映信号特征的特征向量数据集。进一步地，特高频时域信号特征量包括：脉冲周期间隔、脉冲数、振铃次数、峰值、峭度、均方根值、绝对平均值、波形指标、脉冲指标、峰值指标进一步地，特高频信号频域特征量包括：频谱上限频率、下限频率、峰值频率、均方频率、均方根频率。进一步地，所述步骤S23中主元分析法的过程是：1)：求取数据集合X的协方差矩阵2)：计算协方差矩阵E的m维特征值λ1＞＞λ2…λm，以及对应特征向量P1，P2，…Pm，其中2)：求取对应的主元向量T＝XP；上式中，n表示样本数据集的数量，m表示单个样本特征参量的维度。进一步地，所述步骤S3的过程是：S31：构建训练样本数据集和测试样本数据集；S32：建立极限学习机神经网络模型，使用训练样本数据集进行训练，使用测试样本数据集测试网络模型的准确率；S33：进行参数优化，确定最终网络模型参数。进一步地，所述步骤S4的过程是：将待测试的数据样本输入极限学习机网络模型，经模型诊断输出最终缺陷类型。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术提供的基于ELM的GIS局部放电缺陷诊断分类方法，通过采集特高频局放时域信号并利用主元分析法获取能够表征缺陷特征的主元参数组成样本特征数据集，利用极限学习机网络模型实现基于样本特征数据集的分类，无需进一步将时域信号转换为PRPS-PRPD图谱作为特征获取来源，从时域维度直接参与缺陷类型的诊断，为电力设备的异常缺陷诊断提供了新的解决途径；本专利技术提供的基于ELM的GIS局部放电缺陷诊断分类系统可本地或在线部署，尤其适用于本地离线部署使用，运算速度快且无需占用较大系统资源即可运行。附图说明图1为本专利技术方法流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。实施例1一种基于ELM的GIS局部放电缺陷诊断分类系统，包括：数据采集处理模块和缺陷诊断模块；数据采集处理模块：包含前端特高频传感器、数据采集模块、数据处理模块；其中特高频传感器用于耦合空间中的电磁波信号；数据采集模块用于对传感器检测到的模拟信号实施检波放大及AD转换处理；数据处理模块用于对信号进行时频域特征提取及主元降维处理；缺陷诊断模块：用于存储训练及测试样本的特征数据集，同时建立基于极限学习机的神经网络模型，使用测试样本数据集对网络进行训练。该系统通过采集特高频局放时域信号并利用主元分析法获取能够表征缺陷特征的主元参数组成样本特征数据集，利用极限学习机网络模型实现基于样本特征数据集的分类，无需进一步将时域信号转换为PRPS-PRPD图谱作为特征获取来源，从时域维度直接参与缺陷类型的诊断，为电力设备的异常缺陷诊断提供了新的解决途径；该基于ELM的GIS局部放电缺陷诊断分类系统可本地或在线部署，尤其适用于本地离线部署使用，运算速度快且无需占用较大系统资源即可运行。实施例2如图1所示，一种基于ELM的GIS局部放电缺陷诊断分类方法，包括以下步骤：S1：检测电力设备特高频局部放电信号；S2：提取特高频信号时频域特征，并使用主元分析法对所提取的特征量作降维处理，仅提取主要特征量；S3：构建本文档来自技高网...

【技术保护点】
1.一种基于ELM的GIS局部放电缺陷诊断分类系统，其特征在于，包括：数据采集处理模块和缺陷诊断模块；/n数据采集处理模块：包含前端特高频传感器、数据采集模块、数据处理模块；其中特高频传感器用于耦合空间中的电磁波信号；数据采集模块用于对传感器检测到的模拟信号实施检波放大及AD转换处理；数据处理模块用于对信号进行时频域特征提取及主元降维处理；/n缺陷诊断模块：用于存储训练及测试样本的特征数据集，同时建立基于极限学习机的神经网络模型，使用测试样本数据集对网络进行训练。/n

【技术特征摘要】
1.一种基于ELM的GIS局部放电缺陷诊断分类系统，其特征在于，包括：数据采集处理模块和缺陷诊断模块；
数据采集处理模块：包含前端特高频传感器、数据采集模块、数据处理模块；其中特高频传感器用于耦合空间中的电磁波信号；数据采集模块用于对传感器检测到的模拟信号实施检波放大及AD转换处理；数据处理模块用于对信号进行时频域特征提取及主元降维处理；
缺陷诊断模块：用于存储训练及测试样本的特征数据集，同时建立基于极限学习机的神经网络模型，使用测试样本数据集对网络进行训练。


2.一种基于ELM的GIS局部放电缺陷诊断分类方法，其特征在于，包括以下步骤：
S1：检测电力设备特高频局部放电信号；
S2：提取特高频信号时频域特征，并使用主元分析法对所提取的特征量作降维处理，仅提取主要特征量；
S3：构建训练样本数据集和测试样本数据集，建立极限学习机神经网络模型进行训练和测试；
S4：将待测试样本输入最终极限学习机神经网络模型，完成局放缺陷类型的识别输出。


3.根据权利要求2所述的基于ELM的GIS局部放电缺陷诊断分类方法，其特征在于，所述步骤S1的过程是：
空间中电磁波信号经数据采集处理模块采集后，经过放大、滤波、检波及A/D转换后，形成原始离散化的特高频数据。


4.根据权利要求3所述的基于ELM的GIS局部放电缺陷诊断分类方法，其特征在于；特高频数据的类型包括：电晕放电、悬浮电位放电、微粒放电、内部放电、沿面放电、通讯干扰及背景噪声。


5.根据权利要求4所述的基于ELM的GIS局部放电缺陷诊断分类方法，其特征在于，所述步骤S2的过程是：
S21：提取特高频时域信号特征量；...

【专利技术属性】
技术研发人员：唐琪，武利会，李国伟，王俊波，罗容波，黎小龙，陈斯翔，刘少辉，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司佛山供电局，
类型：发明
国别省市：广东;44