一种基于多元联合特征的环网柜局放故障预警与识别方法技术

本发明专利技术属于环网柜故障监测领域，公开了一种基于多元联合特征的环网柜局放故障预警与识别方法，利用环网柜无局放故障运行状态下的多元联合特征构建用于环网柜局放故障预警的多维控制图，进行局放故障的预警；而当监测到有局放故障发生时，则进一步利用构建的基于混合核极限学习机的局放故障识别模型来判别局放类型，为后续人工检修提供依据

【技术实现步骤摘要】
一种基于多元联合特征的环网柜局放故障预警与识别方法


[0001]本专利技术属于环网柜故障监测领域，具体涉及一种基于多元联合特征的环网柜局放故障预警与识别方法
。

技术介绍

[0002]环网柜作为电力系统的关键设备，其运行可靠性对确保电力系统的供电安全性起到关键作用，而环网柜由于其内部绝缘结构多样
、
运行环境复杂及自身生产质量或工艺缺陷等因素，在长期运行过程中有可能发生局部放电现象，进而进一步加剧绝缘劣化直至绝缘损坏，因此对环网柜定期开展局放检测成为了评估环网柜绝缘状态的重要手段
。
目前对环网柜的局放检测通常是利用某一类传感器
(
如温度传感器
、
光学传感器
、
红外传感器
、
暂态地电压传感器等
)
对环网柜局放信号进行长期监测，而实际中环网柜局放故障往往呈现出多元化特征，例如，环网柜内部电气绝缘发生局放故障时通常会伴随局部温度升高
、
电磁辐射
、
电脉冲
、
光学反应
、
烟雾等现象，而基于单一传感器的环网柜局放故障预警存在可靠性不高
、
误报等问题；同时，现有局放检测技术大都依赖专业的局放检测仪进行按需检测，未能充分挖掘环网柜内现有常规传感器
(
如温度传感器
、
湿度传感器
、
烟雾传感器等
)
在局放检测中的辅助作用，难以做到长期在线实时检测；此外，环网柜不同运行状态下所呈现的多元特征也有所不同，例如，环网柜内部出现接头松动时会发生接头温度过高问题，而线缆绝缘发生局放时会产生电磁波，如何通过简单可行的方法将其与局放故障进行有效区分也需进一步研究；最后，当监测到环网柜内有局放故障发生时，如何通过智能算法对不同类型
(
如内部放电
、
电晕放电
、
沿面放电等
)
的局放故障进行准备识别
、
进而为检修人员提供绝缘检修依据，也有待进一步提出解决方案
。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供了一种基于多元联合特征的环网柜局放故障预警与识别方法，利用环网柜无局放故障运行状态下的多元联合特征构建用于环网柜局放故障预警的多维控制图，进行局放故障的预警；而当监测到有局放故障发生时，则进一步利用构建的局放故障识别模型来判别局放类型，为后续人工检修提供依据
。
[0004]本专利技术所述的一种基于多元联合特征的环网柜局放故障预警与识别方法，包括以下步骤：
[0005]步骤
1、
采集环网柜无局放故障运行状态下的历史运行监测数据，构建描述目标环网柜是否有潜在局放故障的
LOF
控制图；
[0006]步骤
2、
采集环网柜不同类型局放故障下的局放信号，并分别进行
EEMD
分解以提取不同模态分量，计算各模态分量的多尺度排列熵并将其作为局放故障特征指标；随后通过核主元分析进行特征指标削减得到局放故障的特征向量，进而形成目标环网柜的局放故障特征数据库；对所述局放故障特征数据库采用混合核极限学习机以建立环网柜的局放故障识别模型；
[0007]步骤
3、
获取环网柜实时监测数据，计算当前多维监测数据的
LOF
值，将获取的
LOF
值与
LOF
控制图的界限值
LOF
up
比较；若
LOF≤LOF
up
，继续监测下一组监测数据；否则，发出环网柜局放故障预警信号；当出现局放故障预警信号时，将提取的局放故障特征向量输入局放故障识别模型中判别局放类型，得到最终判别结果
。
[0008]进一步的，步骤1中，采集环网柜无局放故障运行状态下的历史运行数据，构建
LOF
控制图，具体步骤为：
[0009]S1
‑
1、
利用环网柜内置的温度传感器
、
湿度传感器
、
烟雾传感器及地电波传感器采集并存储环网柜的历史运行监测数据，形成环网柜的历史运行监测数据集；
[0010]S1
‑
2、
通过随机抽取的方法将历史运行监测数据集分为训练数据集和测试数据集，分别计算训练数据集中两两数据间的可达距离以及训练数据集与测试数据集两两数据间的可达距离，任意两数据点
a
与
b
间的可达距离
r
dk
(a,b)
计算公式如下：
[0011]r
dk
(a,b)
＝
max{r
k
(a),r
d
(a,b)}
[0012]式中，
r
k
(a)
和
r
d
(a,b)
分别为
a
点的
k
距离和
a、b
点间的真实距离；当
b
点在
a
点的第
k
距离领域内时，
r
dk
(a,b)
等于
r
k
(a)
，其中
r
k
(a)
为点
a
到第
k
个最近邻域点的距离；
[0013]S1
‑
3、
基于数据点间的距离，进一步计算测试数据集中各数据点的局部异常因子
LOF
；任意数据点
a
的局部异常因子
LOF
k
(a)
计算公式如下：
[0014][0015][0016]式中，
N
k
(a)
为
a
点的第
k
距离领域，
ld
k
(a)
和
ld
k
(b)
分别为
a
点和
b
点的局部可达密度；
[0017]S1
‑
4、
对测试数据集中各数据点计算得到的
LOF
集合采用
Bootstrap
抽样以构建
LOF
的增广样本集合；当选取的置信水平为
(1
‑
α
)
时，记录下
(1
‑
α
/2)
对应的样本分位数；
[0018]S1
‑
5、
重复步骤
S1
‑4多次并对记录的样本
(1
‑
α
/2)
分位数求平均，将得到的分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多元联合特征的环网柜局放故障预警与识别方法，其特征在于，包括以下步骤：步骤
1、
采集环网柜无局放故障运行状态下的历史运行监测数据，构建描述目标环网柜是否有潜在局放故障的
LOF
控制图；步骤
2、
采集环网柜不同类型局放故障下的局放信号，并分别通过
EEMD
分解方法得到局放故障特征指标；随后通过核主元分析进行特征指标削减得到局放故障的特征向量，进而形成目标环网柜的局放故障特征数据库；对所述局放故障特征数据库采用混合核极限学习机以建立环网柜的局放故障识别模型；步骤
3、
获取环网柜实时监测数据，计算当前多维监测数据的
LOF
值，将获取的
LOF
值与
LOF
控制图的界限值
LOF
up
比较；若
LOF≤LOF
up
，继续监测下一组监测数据；否则，发出环网柜局放故障预警信号；当出现局放故障预警信号时，将提取的局放故障特征向量输入局放故障识别模型中判别局放类型，得到最终判别结果
。2.
根据权利要求1所述的一种基于多元联合特征的环网柜局放故障预警与识别方法，其特征在于，步骤1中，采集环网柜无局放故障运行状态下的历史运行数据，构建
LOF
控制图，具体步骤为：
S1
‑
1、
利用环网柜内置的温度传感器
、
湿度传感器
、
烟雾传感器及地电波传感器采集并存储环网柜的历史运行监测数据，形成环网柜的历史运行监测数据集；
S1
‑
2、
通过随机抽取的方法将历史运行监测数据集分为训练数据集和测试数据集，分别计算训练数据集中两两数据间的可达距离以及训练数据集与测试数据集两两数据间的可达距离，任意两数据点
a
与
b
间的可达距离
r
dk
(a,b)
计算公式如下：
r
dk
(a,b)
＝
max{r
k
(a),r
d
(a,b)}
式中，
r
k
(a)
和
r
d
(a,b)
分别为
a
点的
k
距离和
a、b
点间的真实距离；当
b
点在
a
点的第
k
距离领域内时，
r
dk
(a,b)
等于
r
k
(a)
，其中
r
k
(a)
为点
a
到第
k
个最近邻域点的距离；
S1
‑
3、
基于数据点间的距离，进一步计算测试数据集中各数据点的局部异常因子
LOF
；任意数据点
a
的局部异常因子
LOF
k
(a)
计算公式如下：计算公式如下：式中，
N
k
(a)
为
a
点的第
k
距离领域，
ld
k
(a)
和
ld
k
(b)
分别为
a
点和
b
点的局部可达密度；
S1
‑
4、
对测试数据集中各数据点计算得到的
LOF
集合采用
Bootstrap
抽样以构建
LOF
的增广样本集合；当选取的置信水平为
(1
‑
α
)
时，记录下
(1
‑
α
/2)
对应的样本分位数；
S1
‑
5、
重复步骤
S1
‑4多次并对记录的样本
(1
‑
α
/2)
分位数求平均，将得到的分位数平均值作为
LOF
控制图的上边界
LOF
up
。3.
根据权利要求1所述的一种基于多元联合特征的环网柜局放故障预警与识别方法，
其特征在于，步骤2中，构建环网柜的局放故障识别模型的具体步骤为：
S2
‑
1、
利用环网柜内安装的特高频传感器采集环网柜不同类型局放故障下的局放信号；针对采集到的任一局放信号，向其中分别加入满足正态分布的白噪声，对形成的新信号进行经验模态分解，保存得到的模态分量集合
[IMF1,IMF2,
…
,IMF
h
]
，重复该步骤若干次，将最终获得的各次模态分量做集成平均处理后作为最终的模态分量结果，记作
[IMF
f,1
,IMF
f,2
,
…
,IMF
f,h
]
；其中，
IMF
f,h
＝
∑IMF
h
/n
，
n
为执行重复操作的次数，即为
IMF
h
的平均值；
S2
‑
2、
针对步骤
S2
‑1获取的任一局放信号的模态分量
IMF
f
，对其进行粗粒化处理后构造矩阵
Y
IMF
，式中，
τ
为时间延迟；
m
为维数，即矩...

【专利技术属性】
技术研发人员：章如海，徐霄，于海成，马宗雄，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：