一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于BP神经网络的特高频局放全向探测方法及系统


[0001]本专利技术涉及电气设备领域，具体是一种基于
BP
神经网络的特高频局放全向探测方法及系统
。

技术介绍

[0002]特高频局部放电
(Ultra
‑
High Frequency Partial Discharge
，简称
UHF PD)
是指在电气设备或绝缘系统中发生的微小放电现象
。
这些放电现象通常在特高频范围内
(300MHz
至
3GHz)
发生
。
尽管这些放电现象很微小，但它们可能会对电力设备和系统造成严重的危害
。
以下是特高频局部放电的一些危害：
1)
导致设备损坏：特高频局部放电可能会导致电气设备的损坏，例如发电机
、
变压器
、
电缆和开关设备
。
长期的局部放电活动会逐渐损害绝缘材料，最终导致设备故障和失效
。2)
增加系统维护成本：局部放电可能导致电力设备的频繁故障，因此，企业或机构需要进行更频繁的维护和修理，这将增加维护成本
。3)
电力系统稳定性下降：当局部放电活动增加时，电气设备和系统的稳定性可能会受到影响
。
这可能导致系统不稳定
、
频繁的停电，甚至可能引发电力系统的大面积故障
。4)
安全风险：局部放电产生的能量可能会引起火灾或爆炸，对设备操作人员和周围环境构成安全威胁
。5)
资产价值损失：由于局部放电的影响，电力设备和系统的寿命可能会缩短，这将导致资产价值的损失
。6)
数据传输干扰：特高频局部放电可能会对周围的通信和数据传输系统造成干扰，导致通信故障或数据丢失
。
生活中极为常见的高频放电现象有电晕放电，主要是由于带电体附近电场强度不均导致，其放电频率一般低于
300MHz
，因此电晕放电是高压领域中极为常见的放电现象，为电晕放电对特高频信号的监测有较强的干扰
。
而现有特高频局放检测方法难以有效避免电晕放电的影响，且局部放电受环境温湿度
、
大气压强等因素的影响，不同环境下的局部放电特征不同，导致现有局部放电检测方法难以适应不同的环境
。

技术实现思路

[0003]为了解决上述问题，本专利技术面向不同环境下的特高频局部放电，提出了一种基于
BP
神经网络的特高频局放全向探测方法及系统
。
[0004]为了达到上述目的，本专利技术是通过以下技术方案来实现的：
[0005]本专利技术的一种基于
BP
神经网络的特高频局放全向探测方法，包括如下步骤：
[0006]步骤1，采集特高频局部放电的空间电磁波信息，包括空间电磁信息和空间电磁环境信息；
[0007]步骤2，利用特高频局部放电信息预处理模型对步骤1所采集的特高频局部放电的空间电磁波信息进行预处理；
[0008]步骤3，基于
BP
神经网络对预处理后的局部放电空间电磁和环境信息进行学习和训练，构建基于
BP
神经网络的特高频局部放电检测模型；
[0009]步骤4，从基于
BP
神经网络的特高频局部放电检测模型中提取连接权值和阈值，构建局部放电模型库，并将局部放电模型库定期更新到特高频局放物理监测装置中，利用特
高频局放物理监测装置对不同环境下的特高频局部放电进行监测
。
[0010]本专利技术的进一步改进在于：步骤1中利用全向天线
360
°
采集各个方向的空间电磁信息，采集到的空间电磁信息包括局放信号强度
、
局放信号相角
、
局放信号频率，空间电磁环境信息包括空间电磁环境的温度
、
空间电磁环境的湿度
、
空间电磁环境的大气压力
、
空间电磁环境的电场强度，表达式为：
[0011]X(t)
＝
[V(t),
θ
(t),f(t),T
p
(t),T
q
(t),D
p
(t),E
θ
(t)](1)
；
[0012]式中：
X(t)
为
t
时刻采集的特高频局放电磁和环境信息，
V(t)
为
t
时刻采集的局放信号强度，
θ
(t)
为
t
时刻采集的局放信号相角，
f(t)
为
t
时刻采集的局放信号频率，
T
p
(t)
为
t
时刻空间电磁环境的温度，
T
q
(t)
为
t
时刻空间电磁环境的湿度，
D
p
(t)
为
t
时刻空间电磁环境的大气压强，
E
θ
(t)
为
t
时刻空间电磁环境的电场强度
。
[0013]本专利技术的进一步改进在于：步骤2中的特高频局部放电信息预处理模型表达式为：
[0014]X'(t)
＝
[V'(t),
θ
'(t),f'(t),T
′
p
(t),T
′
q
(t),D'
p
(t),E'
θ
(t)](2)
；
[0015][0016][0017]式中：
X'(t)
为预处理后的
t
时刻采集的特高频局放电磁和环境信息，
V'(t)
为预处理后的局放信号强度，
θ
'(t)
为预处理后的局放信号相角，
f'(t)
为预处理后的局放信号频率，
T
′
p
(t)
为预处理后的空间电磁环境的温度，
T
′
q
(t)
为预处理后的空间电磁环境的湿度，
D'
p
(t)
为预处理后的空间电磁环境的大气压强，
E'
θ
(t)
为预处理后的空间电磁环境的电场强度，
H
′
(t)
为
V'(t)、
θ
'(t)、f'(t)、T
′
p
(t)、T
′
q
(t)、D'
p
(t)、E'
θ
(t)
中的任意一个，
H(t)
为
...

【技术保护点】

【技术特征摘要】
1.
一种基于
BP
神经网络的特高频局放全向探测方法，其特征在于：包括如下步骤：步骤1，采集特高频局部放电的空间电磁波信息，包括空间电磁信息和空间电磁环境信息；步骤2，利用特高频局部放电信息预处理模型对步骤1所采集的特高频局部放电的空间电磁波信息进行预处理；步骤3，基于
BP
神经网络对预处理后的局部放电空间电磁和环境信息进行学习和训练，构建基于
BP
神经网络的特高频局部放电检测模型；步骤4，从基于
BP
神经网络的特高频局部放电检测模型中提取连接权值和阈值，构建局部放电模型库，并将局部放电模型库定期更新到特高频局放物理监测装置中，利用特高频局放物理监测装置对不同环境下的特高频局部放电进行监测
。2.
根据权利要求1所述的一种基于
BP
神经网络的特高频局放全向探测方法，其特征在于：所述步骤1中利用全向天线
360
°
采集各个方向的空间电磁信息，采集到的空间电磁信息包括局放信号强度
、
局放信号相角
、
局放信号频率，空间电磁环境信息包括空间电磁环境的温度
、
空间电磁环境的湿度
、
空间电磁环境的大气压力
、
空间电磁环境的电场强度，表达式为：
X(t)
＝
[V(t),
θ
(t),f(t),T
p
(t),T
q
(t),D
p
(t),E
θ
(t)](1)
；式中：
X(t)
为
t
时刻采集的特高频局放电磁和环境信息，
V(t)
为
t
时刻采集的局放信号强度，
θ
(t)
为
t
时刻采集的局放信号相角，
f(t)
为
t
时刻采集的局放信号频率，
T
p
(t)
为
t
时刻空间电磁环境的温度，
T
q
(t)
为
t
时刻空间电磁环境的湿度，
D
p
(t)
为
t
时刻空间电磁环境的大气压强，
E
θ
(t)
为
t
时刻空间电磁环境的电场强度
。3.
根据权利要求2所述的一种基于
BP
神经网络的特高频局放全向探测方法，其特征在于：所述步骤2中的特高频局部放电信息预处理模型表达式为：
X'(t)
＝
[V'(t),
θ
'(t),f'(t),T
′
p
(t),T
′
q
(t),D
′
p
(t),E
′
θ
(t)](2)
；；；式中：
X'(t)
为预处理后的
t
时刻采集的特高频局放电磁和环境信息，
V'(t)
为预处理后的局放信号强度，
θ
'(t)
为预处理后的局放信号相角，
f'(t)
为预处理后的局放信号频率，
T
′
p
(t)
为预处理后的空间电磁环境的温度，
T
′
q
(t)
为预处理后的空间电磁环境的湿度，
D
′
p
(t)
为预处理后的空间电磁环境的大气压强，
E
′
θ
(t)
为预处理后的空间电磁环境的电场强度，
H
′
(t)
为
V'(t)、
θ
'(t)、f
′
(t)、T
′
p
(t)、T
′
q
(t)、D
′
p
(t)、E
′
θ
(t)
中的任意一个，
H(t)
为
V(t)、
θ
(t)、f(t)、T
p
(t)、T
q
(t)、D
p
(t)、E
θ
(t)
中的任意一个，为样本的局放信号强度均值局放信号相角均值局放信号频率均值空间电磁环境的温度均值空间电磁环境的湿度均值空间电磁环境的大气压强均值空间电磁环境的电场强度均值中的任意一个，
σ
H
为样本的局放信号强度方差
σ
V
、
局放信号相角方差
σ
θ
、
局放信号频率方差
σ
f
、
空间电
磁环境的温度方差空间电磁环境的湿度方差空间电磁环境的大气压强方差空间电磁环境的电场强度方差中的任意一个
。4.
根据权利要求2所述的一种基于
BP
神经网络的特高频局放全向探测方法，其特征在于：所述步骤3中的基于
BP
神经网络的特高频局部放电检测模型包括输入层
、
隐含层和输出层，具有7个输入和3个输出，其中，7个输入分别为：训练样本中的预处理后的局放信号强度
V'(t)
，预处理后的局放信号相角
θ
'(t)
，预处理后的局放信号频率
f'(t)
，预处理后的空间电磁环境的温度
T
′
p
(t)
，预处理后的空间电磁环境湿度
T
′
q
(t)
，预处理后的空间电磁环境大气压强
D
′
p
(t)
，预处理后的空间电磁环境电场强度
E
′
θ
(t)
；3个输出分别为：局部放电检测结果
R1，其中，
R1为1表示存在局部放电，
R1为0表示不存在局部放电，局部放电强度
R2，局部放电时间
R3；隐含层采用
tansig
函数，输出为：式中：
X
′
i
(t)
为神经网络的输入，
i
为神经网络训练的层数，
h
j
为隐含层的输出，
W
ij
为输入层至输出层的连接权值，
b
j
为
BP
神经网络阈值，
j
的范围为1至
J
，
J
为神经网络隐层单元的个数；输出层采用
purelin
函数，输出为：式中：
R
k
为神经网络的输出；
w
jk
为隐层单元到输出层单元的连接权值，
k
的范围为1至
3。5.
根据权利要求2所述的一种基于
BP
神经网络的特高频局放全向探测方法，其特征在于：所述步骤4中局部放电模型库表达式为：
Y
l
＝
f
BP
(w
ij
,b
j
)(8)
；式中：
Y
l
为
BP
神经网络给出的第
l
个特高频局部放电检测模型，
f
BP
()
为训练好的
BP
神经网络模型，
W
ij
为输入层至输出层的连接权值；
b
j
为
BP
神经网络阈值
。6.
一种基于
BP
神经网络的特高频局放全向探测系统，其...

【专利技术属性】
技术研发人员：费章君，朱俊强，杨仕友，李奕颖，许苏军，刘江林，
申请(专利权)人：江苏征途技术股份有限公司，
类型：发明
国别省市：