一种变电站热释离子浓度的检测方法技术

一种变电站热释离子浓度的检测方法，采集变电站环境中空气样本，并将其释放到云室中；使用光波发射器对云室中的空气样本进行照射，通过改变入射光波的波长λ以及入射角度T，利用云室内的传感器收集物距u、干涉条纹频率F和条纹圆直径φ数据；构建RBM模型，在保留全部数据所具有的特性的同时，将数据量进行缩减；构建基于BP神经网络预测模型，输出热释离子预测浓度；输出热释离子预测浓度与热释离子浓度真实值对比分析；模型完成模型训练，应用训练好的RBM模型和BP神经网络模型进行热释离子浓度预测。本发明专利技术联合使用RBM模型和BP神经网络模型，大大减少了计算热释离子浓度的数据量，减少了运算的时间，同时提高了计算的精度。同时提高了计算的精度。同时提高了计算的精度。

【技术实现步骤摘要】
一种变电站热释离子浓度的检测方法


[0001]本专利技术属于电力设备监测领域，尤其涉及一种变电站热释离子浓度的检测方法。

技术介绍

[0002]近年来，电网大型火灾事故的发生，造成了巨大的经济损失和不好的社会影响。电气设备一旦起火则蔓延很快，且火势猛烈难以扑灭，不仅会直接烧损大量的一次设备和二次设备，而且会因设备起火、爆炸波及到附近的设备，导致变电站需要很长的时间停电修复，严重影响了电网的运行安全。目前，国内对变电站室外场所的火灾监测还没有十分有效的方法。
[0003]物质受热时会分解出热释粒子，热释粒子是能够以自由状态存在的最小物质组织成分，其产生的时间要早于烟雾，在火灾报警行业利用这种现场可以探测出电气火灾早期的症状。目前主流的检测方法是光微粒计数法，通过电网火灾隐患监测预警系统监测热释离子的浓度，比对阈值来判断燃烧阶段，继而实现早期火灾报警功能。然而，现有的光微粒计数法只能根据单一波长光谱照射粒子的产生的光斑面积判断其浓度，当室内环境存在干扰气体组分时，会出现光斑重叠，导致测量结果出现严重偏差。因此，亟待开发一种可以实时准确探测当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站热释离子浓度的检测方法，其特征是：具体步骤包括：步骤一：采集变电站环境中空气样本，并将其释放到云室中；使用光波发射器对云室中的空气样本进行照射，通过改变入射光波的波长λ以及入射角度T，利用云室内的传感器收集物距u、干涉条纹频率F和条纹圆直径φ数据；步骤二：构建RBM模型，输入采集数据入射光波的波长λ、入射角度T以及云室内的传感器所采集到的物距u、干涉条纹频率F、条纹圆直径φ进行训练，在保留全部数据所具有的特性的同时，将数据量进行缩减，提取得到数据入射角τ
’
、系统物距u
’
、干涉条纹频率F
’
、条纹圆直径Φ
’
和光波波长λ
’
；步骤三：构建基于BP神经网络预测模型，输入数据入射角τ
’
、系统物距u
’
、干涉条纹频率F
’
、条纹圆直径Φ
’
、光波波长λ
’
和热释离子浓度真实值，输出热释离子预测浓度；步骤四：输出热释离子预测浓度与热释离子浓度真实值对比分析，得到模型预测误差；模型预测误差达到设定模型误差要求，完成模型训练；模型预测误差不满足设定模型误差要求，更新RBM模型的连接权值、可视层神经元的偏置、隐藏层神经元的偏置，且调整BP神经网络权值及阈值修正，返回步骤二；步骤五：模型预测误差达到设定模型误差要求或达到迭代次数，完成模型训练，应用训练好的RBM模型和BP神经网络模型进行热释离子浓度预测。2.根据权利要求1所述的变电站热释离子浓度的检测方法，其特征是：步骤二通过对RBM模型进行预训练，对输入采集数据进行特征保留的数据缩减，具体过程如下：(1)输入的训练样本数据，通过权值矩阵和偏向向量训练得到的第一隐藏层输出向量；第一隐藏层单元在通过数据向量驱动得到具有随机的二值状态，隐藏层单元的取值只有0和1两种状态；隐藏层单元置为1的概率为：其中，θ＝{W
R
，a
R
，b
R
}表示受限玻尔兹曼机的参数集合，a
R
表示可视层神经元偏置，b
Rj
表示隐藏层神经元偏置，W
R，i，j
表示可视层与隐藏层节点之间连接权值，v
i
表示可视层第i个节点的状态值，h
j
隐藏层神经元的状态.当隐藏层神经元的值取为1，表示开启状态，否则置为0，表示关闭状态；(2)第一隐藏层输出向量输入到第二层RBM的可视层，继续重复步骤(1)训练得到第二隐藏层输出向量，提取得到特征保留的缩减数据。3.根据权利要求1所述的变电站热释离子浓度的检测方法，其特征是：构建基于BP神经网络预测模型，具体过程如下：(1)根据系统输入序列x1、x2、．．．、x
c
，其中x为经过RBM模型缩减处理后的数据，x
c
＝{τ
c
’
，u
c
’
，F
...

【专利技术属性】
技术研发人员：李天舒，张智强，付一峰，祝杰，佟雪峰，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：