一种基于特高频信号的GIS局部放电故障诊断方法及系统技术方案

本发明专利技术提出了一种基于特高频信号的GIS局部放电故障诊断方法及系统，首先获取实验室中GIS绝缘缺陷模拟故障样本、现场故障样本以及环境噪声干扰样本；然后将其3D体积与各向异性探测核进行卷积以投射到2D，添加一个深度体积卷积神经网络结构来对二维投影进行诊断；接着基于所述样本对自编码器模型进行无监督训练，并利用所述自编码器模型所得的模型参数初始化深度体积卷积神经网络模型的卷积层初始参数，利用BP算法和随机梯度下降法对所述深度卷积神经网络模型的参数进行迭代更新，得到最优化参数；采用体积卷积神经网络进行故障诊断，有效的避免了人工特征工程及3D图像的灰度处理过程，与传统机器学习算法相比，提高了诊断的速度和故障识别率。的速度和故障识别率。的速度和故障识别率。

【技术实现步骤摘要】
一种基于特高频信号的GIS局部放电故障诊断方法及系统


[0001]本专利技术属于电力设备监测领域，具体涉及一种基于特高频信号的GIS局部放电故障诊断方法及系统。

技术介绍

[0002]气体绝缘组合电器(GIS)因其运行可靠、占地面积小、电磁环境友好而广泛应用于电力系统中。虽然其故障发生率低，但由于其紧凑的结构等特点导致其一旦发生故障，故障的可控性极低，严重威胁电力系统的安全并产生重大的经济损失。因此对其进行在线实时监测具有重要意义。
[0003]由中国电网公司的统计，绝缘故障占GIS故障的比例超过一半以上，且GIS故障多以局部放电的形式表现出来，局部放电的发生会进一步加剧绝缘缺陷。因此对GIS进行局部放电在线监测是十分必要的。通过局部放电监测对于发现GIS潜伏性故障，并通过绝缘等级划分，对GIS进行有目的的检修从而保障电网的安全可靠的特性。
[0004]对于GIS的局部放电监测，目前检测方法有脉冲电流法、特高频法、超声波法、光测法和化学产物分解法，其中脉冲电流法是IEC规定的唯一可以进行放电量标定的方法，但由于其试验条件苛刻，难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特高频信号的GIS局部放电诊断方法，其特征在于，包括以下几个步骤：步骤(1)获取GIS局部放电特高频信号样本；步骤(2)对GIS局部放电特高频信号进行处理；步骤(3)构造深度体积卷积神经网络模型；深度体积卷积神经网络模型至少包括1个输入层、至少两个体积卷积层和对应的两个池化层、至少两个全连接层以及1个输出softmax分类层；步骤(4)通过GIS局部放电特高频信号样本训练深度体积卷积神经网络；步骤(5)采用训练好的深度体积卷积神经网络对待诊断的信号进行局部放电故障诊断。2.根据权利要求1所述的一种基于特高频信号的GIS局部放电故障诊断方法，其特征在于，通过GIS局部放电诊断系统获取特高频信号样本，然后将收集到的特高频信号样本输入至基于深度体积卷积神经网络的软件模型中进行诊断，所述的GIS局部放电特高频信号样本的组成包括实验室模拟GIS绝缘缺陷试验得到的故障样本、积累收集现场运行中的GIS故障样本以及环境噪声干扰样本，其中特高频信号的有效频段为0.3
‑
3GHz。3.根据权利要求1所述的一种基于特高频信号的GIS局部放电故障诊断方法，其特征在于，所述的特高频信号处理是指对检测到的特高频信号进行相位域的分析(PRPD)。PRPD模式描述了(放电相位放电量幅值q，放电次数n)三者之间的关系，将和q划分成若干个小区间，在平面上形成若干网格，统计每个网格内放电次数，从而获得模式三维图谱。4.根据权利要求1所述的一种基于特高频信号的GIS局部放电故障诊断方法，其特征在于，所述的体积卷积神经网络通过将其3D体积与各向异性探测核进行卷积，将其投射到2D，内核实现编码点之间的长期交互作用，然后添加一个图像卷积神经网络来对二维投影进行分类，注意投影模块和图像分类模块的训练是端到端的。5.根据权利要求1所述的一种基于特高频信号的GIS局部放电故障诊断方法，其特征在于，所述的体积卷积网络包括数据增强处理和多方位的池化层，与二维图像数据集相比，现有的三维形状数据集在规模和变化上存在局限性，数据加强过程增加了不同方位和仰角旋转的训练数据，使第一个网络可以覆盖不同方向的局部区域，第二个网络可以在不同的相对角度...

【专利技术属性】
技术研发人员：荆乾震，王艳新，闫静，王建华，耿英三，徐卓凡，牛博，杨鼎革，
申请(专利权)人：国网陕西省电力有限公司电力科学研究院国网陕西省电力有限公司，
类型：发明
国别省市：