一种基于神经网络的超声波局部放电识别方法及系统技术方案

本发明专利技术公开了一种基于神经网络的超声波局部放电识别方法及系统，包括：建立开关柜试验平台；在开关柜柜体表面安装超声波传感器，利用超声波传感器采集各种类型缺陷的超声波信号组，从采集的超声波信号组中提取出训练样本；对超声波信号进行特征提取，提取获得的特征信息作为BP神经网络分类器的输入，以缺陷类型编码作为分类器的输出，利用训练样本和测试样本对分类器进行训练，获得训练后的分类器；利用超声波传感器获得待检测开关柜的待识别超声波信号，将待识别超声波信号输入训练后的分类器，获得检测开关柜的缺陷类型编码。实现能准确判断开关柜的缺陷类型的技术效果。

An identification method and system of ultrasonic partial discharge based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的超声波局部放电识别方法及系统
本专利技术涉及开关柜内部绝缘故障识别领域，具体地，涉及一种基于神经网络的超声波局部放电识别方法及系统。
技术介绍
目前针对开关柜的运维主要采用交流耐压试验、绝缘电阻、超声波局放检测、局放检测等手段来探测开关柜是否存在绝缘缺陷。由于现场试验人员缺乏对放电机理及发展过程、放电物理现象的深刻认识，使得即使设备中存有绝缘缺陷，仍难以检测发现，而判断其缺陷原因、缺陷状况及缺陷危害程度，以确定合理的检修措施。同时，由于这种周期性检测间隔时间较长，难以满足监控和保障开关柜安全的实时需要。为了能够准确识别和评估开关柜内部绝缘故障，是保障开关柜安全和经济运行的基本需要，同时，开关柜不停电检修是开关柜状态监测的发展趋势，采用超声波检测的方式对开关柜内部绝缘故障进行准确的识别和正确的评估，具有重要的工程应用价值。因而，建立一种基于神经网络识别的超声波局部放电识别系统成了一项重要的课题。传统使用的局部放电检测技术，由于现场电磁环境的干扰，加之现场试验人员缺乏对放电机理及发展过程、放电物理现象的深刻认识，使得即使设备中存有绝缘缺陷，试验人员仍难以检测发现开关柜存在的缺陷，这样将导致开关柜缺陷进一步发展，最终，导致停电事故的发生。
技术实现思路
本专利技术提供了一种基于神经网络的超声波局部放电识别方法及系统，目的是解决
技术介绍
中存在的技术问题，实现能准确判断开关柜的缺陷类型的技术效果。为实现上述专利技术目的，本申请一方面提供了一种基于神经网络的超声波局部放电识别方法，，所述方法包括：建立开关柜试验平台，开关柜试验平台的开关柜中设置金属突出物、空气间隙、金属悬浮物、绝缘内部放电；其中，金属突出物用于模拟开关柜内某个部件有毛刺，存在尖端放电的现象的缺陷；空气间隙用于模拟相对地或相间距离不足的缺陷；金属悬浮物用于模拟螺丝未紧固或有松动的缺陷；绝缘内部放电用于模拟开关柜内支柱绝缘子有损坏的缺陷；在开关柜试验平台的开关柜柜体表面安装超声波传感器，利用超声波传感器采集各种类型缺陷的超声波信号组，从采集的超声波信号组中提取出训练样本；对超声波信号进行特征提取，提取获得的特征信息作为BP神经网络分类器的输入，以缺陷类型编码作为分类器的输出，利用训练样本和测试样本对分类器进行训练，获得训练后的分类器；利用超声波传感器获得待检测开关柜的待识别超声波信号，将待识别超声波信号输入训练后的分类器，获得检测开关柜的缺陷类型编码。优选的，对超声波信号进行特征提取，提取超声波信号的周期最大值、有效值、50Hz相关性和100Hz相关性数据。优选的，金属突出物缺陷的编码为0001，金属悬浮物缺陷的编码0010，空气气隙缺陷的编码为0100，振动缺陷的编码为1000。优选的，BP神经网络共包含三层，分别是输入层、隐含层和输出层，层与层之间通过神经元的连接权传递信息，同层内的神经元相互独立，输入层与超声波信号特征量一致，输出层与缺陷类型编码对应。优选的，所述方法还包括从采集的超声波信号组中提取出测试样本，利用测试样本对分类器进行测试。优选的，所述方法还包括采用时差定位法定位缺陷位置，具体包括：在缺陷开关柜的两个不同位置分别安装第一超声波传感器和第二超声波传感器；基于第一超声波传感器和第二超声波传感器采集的第一信号和第二信号，建立第一信号和第二信号的多周期图谱，其中多周期图谱中横坐标为时刻，纵坐标的信号值大小；基于第一信号和第二信号的多周期图谱，获得第一信号和第二信号出现波动的起始时刻T1和T2；判断T1与T2的大小，若T1大于T2，则缺陷位置位于第一超声波传感器侧，若T1小于T2，则缺陷位置位于第二超声波传感器侧。另一方面，本专利技术还提供了一种基于神经网络的超声波局部放电识别系统，所述系统包括：开关柜试验平台，开关柜试验平台的开关柜中设置金属突出物、空气间隙、金属悬浮物、绝缘内部放电；其中，金属突出物用于模拟开关柜内某个部件有毛刺，存在尖端放电的现象的缺陷；空气间隙用于模拟相对地或相间距离不足的缺陷；金属悬浮物用于模拟螺丝未紧固或有松动的缺陷；绝缘内部放电用于模拟开关柜内支柱绝缘子有损坏的缺陷；若干超声波传感器，超声波传感器安装在开关柜试验平台的开关柜柜体表面，利用超声波传感器采集各种类型缺陷的超声波信号组，从采集的超声波信号组中提取出训练样本；处理器，用于对对超声波信号进行特征提取，提取获得的特征信息作为BP神经网络分类器的输入，以缺陷类型编码作为分类器的输出，利用训练样本和测试样本对分类器进行训练，获得训练后的分类器；处理器还用于利用超声波传感器获得待检测开关柜的待识别超声波信号，将待识别超声波信号输入训练后的分类器，获得检测开关柜的缺陷类型编码。进一步的，所述处理器还用于采用时差定位法定位缺陷位置，具体包括：在缺陷开关柜的两个不同位置分别安装第一超声波传感器和第二超声波传感器；基于第一超声波传感器和第二超声波传感器采集的第一信号和第二信号，建立第一信号和第二信号的多周期图谱，其中多周期图谱中横坐标为时刻，纵坐标的信号值大小；基于第一信号和第二信号的多周期图谱，获得第一信号和第二信号出现波动的起始时刻T1和T2；判断T1与T2的大小，若T1大于T2，则缺陷位置位于第一超声波传感器侧，若T1小于T2，则缺陷位置位于第二超声波传感器侧。进一步的，处理器对超声波信号进行特征提取，提取超声波信号的周期最大值、有效值、50Hz相关性和100Hz相关性数据。进一步的，BP神经网络共包含三层，分别是输入层、隐含层和输出层，层与层之间通过神经元的连接权传递信息，同层内的神经元相互独立，输入层与超声波信号特征量一致，输出层与缺陷类型编码对应。进一步的，所述系统还包括通讯模块，通讯模块与处理器的输出端连接，用于将处理器输出的缺陷类型编码发送到后台监控中心。进一步的，所述系统还包括通讯模块，通讯模块与处理器的输出端连接，用于将处理器输出的缺陷类型编码发送到后台监控中心，所述系统还包括显示器，用于对处理器的输出进行显示。本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：1、能准确判断开关柜的缺陷类型。2、可以通过时差定位法，准确找到缺陷位置。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定；图1是本申请中基于神经网络的超声波局部放电识别方法的流程示意图；图2是本申请中基于神经网络的超声波局部放电识别系统的组成示意图；图3是BP神经网络的拓扑示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分本文档来自技高网...

【技术保护点】
1.一种基于神经网络的超声波局部放电识别方法，其特征在于，所述方法包括：/n建立开关柜试验平台，开关柜试验平台的开关柜中设置金属突出物、空气间隙、金属悬浮物、绝缘内部放电；其中，金属突出物用于模拟开关柜内某个部件有毛刺，存在尖端放电的现象的缺陷；空气间隙用于模拟相对地或相间距离不足的缺陷；金属悬浮物用于模拟螺丝未紧固或有松动的缺陷；绝缘内部放电用于模拟开关柜内支柱绝缘子有损坏的缺陷；/n在开关柜试验平台的开关柜柜体表面安装超声波传感器，利用超声波传感器采集各种类型缺陷的超声波信号组，从采集的超声波信号组中提取出训练样本；/n对超声波信号进行特征提取，提取获得的特征信息作为BP神经网络分类器的输入，以缺陷类型编码作为分类器的输出，利用训练样本和测试样本对分类器进行训练，获得训练后的分类器；/n利用超声波传感器获得待检测开关柜的待识别超声波信号，将待识别超声波信号输入训练后的分类器，获得检测开关柜的缺陷类型编码。/n

【技术特征摘要】
1.一种基于神经网络的超声波局部放电识别方法，其特征在于，所述方法包括：
建立开关柜试验平台，开关柜试验平台的开关柜中设置金属突出物、空气间隙、金属悬浮物、绝缘内部放电；其中，金属突出物用于模拟开关柜内某个部件有毛刺，存在尖端放电的现象的缺陷；空气间隙用于模拟相对地或相间距离不足的缺陷；金属悬浮物用于模拟螺丝未紧固或有松动的缺陷；绝缘内部放电用于模拟开关柜内支柱绝缘子有损坏的缺陷；
在开关柜试验平台的开关柜柜体表面安装超声波传感器，利用超声波传感器采集各种类型缺陷的超声波信号组，从采集的超声波信号组中提取出训练样本；
对超声波信号进行特征提取，提取获得的特征信息作为BP神经网络分类器的输入，以缺陷类型编码作为分类器的输出，利用训练样本和测试样本对分类器进行训练，获得训练后的分类器；
利用超声波传感器获得待检测开关柜的待识别超声波信号，将待识别超声波信号输入训练后的分类器，获得检测开关柜的缺陷类型编码。


2.根据权利要求1所述的基于神经网络的超声波局部放电识别方法，其特征在于，对超声波信号进行特征提取，提取超声波信号的周期最大值、有效值、50Hz相关性和100Hz相关性数据。


3.根据权利要求1所述的基于神经网络的超声波局部放电识别方法，其特征在于，金属突出物缺陷的编码为0001，金属悬浮物缺陷的编码0010，空气气隙缺陷的编码为0100，振动缺陷的编码为1000。


4.根据权利要求1所述的基于神经网络的超声波局部放电识别方法，其特征在于，BP神经网络共包含三层，分别是输入层、隐含层和输出层，层与层之间通过神经元的连接权传递信息，同层内的神经元相互独立，输入层与超声波信号特征量一致，输出层与缺陷类型编码对应。


5.根据权利要求1所述的基于神经网络的超声波局部放电识别方法，其特征在于，所述方法还包括从采集的超声波信号组中提取出测试样本，利用测试样本对分类器进行测试。


6.根据权利要求1所述的基于神经网络的超声波局部放电识别方法，其特征在于，所述方法还包括采用时差定位法定位缺陷位置，具体包括：
在缺陷开关柜的两个不同位置分别安装第一超声波传感器和第二超声波传感器；
基于第一超声波传感器和第二超声波传感器采集的第一信号和第二信号，建立第一信号和第二信号的多周期图谱，其中多周期图谱中横坐标为时刻，纵坐标的信号值大小；
基于第一信号和第二信号的多周期图谱，获得第一信号和...

【专利技术属性】
技术研发人员：向平，殷作洋，邓咸俊，谌虹宇，苏寒，康蓝心，任静，柴梦遥，殷胜荣，杨晓飞，李明超，
申请(专利权)人：国网四川省电力公司广安供电公司，
类型：发明
国别省市：四川;51