【技术实现步骤摘要】
本专利技术属于gis设备盆式绝缘子缺陷，具体而言，涉及一种gis设备盆式绝缘子缺陷判断系统。
技术介绍
1、gis(气体绝缘开关装置)是电力系统中重要的电气设备,它利用气体绝缘介质和包覆绝缘装置,在密闭的绝缘子中建立起电气绝缘体系,实现导线与接地体之间的绝缘与隔离。gis具有体积小、绝缘水平高、运行可靠、维护方便等优点。gis设备的主要功能是安全隔离、切断和控制电网中的电能。在传输变电站和配电站中,gis通常承担着系统的自动化以及保护装置的安装任务,保证电能的可靠传输与配电。盆式绝缘子是gis中的关键绝缘部件,它采用特高强度的绝缘材料制成绝缘盆状结构,起到支撑和固定高压母线、引线等电气部件的作用。盆式绝缘子需要承受极端恶劣的工况下长期和持续的电气机械力以及污秽环境的侵蚀腐蚀,要求绝缘体系可靠。
2、盆式绝缘子在长期运行过程中,容易出现的几种常见缺陷如下:
3、1)绝缘子表面划伤、开裂,削弱绝缘强度,降低额定电压；
4、2)内部结构松动或移位；接头螺栓老化松动,使绝缘距离不足；
5、3)绝缘体积内部气体积存,产生持续微小的放电,损耗绝缘性能。
6、现有的光学检测技术受限于使用场景和成本等因素，声发射法作为一种新兴的诊断技术受到广泛关注。目前的声发射检测技术通常采用直接匹配过滤或神经网络识别的方式分析信号与故障类型之间的关系。但这些方法存在识别准确率不高，对信号微弱变化不敏感等问题。因为过滤处理时会滤除掉一些微弱间歇性的特征信号，导致失去部分故障信息；而直接的模式识别难以提
技术实现思路
1、有鉴于此，本专利技术提供一种gis设备盆式绝缘子缺陷判断系统，能够解决当前对gis设备盆式绝缘子缺陷进行检测时，现有技术中的声射法，通常采用直接匹配过滤或神经网络识别的方式分析信号与故障类型之间的关系，过滤处理时会滤除掉一些微弱间歇性的特征信号，导致失去部分故障信息，造成识别准确率不高的技术问题。
2、本专利技术是这样实现的：
3、本专利技术提供一种gis设备盆式绝缘子缺陷判断系统，其中，包括声发射传感器组以及上位机组成，其中，所述声发射传感器组按照指定规则固定贴附在gis设备外壳上，所述声发射传感器组与所述上位机电连接，所述上位机用于获取所述声发射传感器组采集的声音信号组，并利用内置的gis设备盆式绝缘子缺陷判断模块对所述声音信号组进行分析，得到gis设备盆式绝缘子缺陷的概率向量，其中，所述gis设备盆式绝缘子缺陷判断模块执行以下步骤：
4、s10、对所述声音信号组的每个声音信号进行放大，得到放大声音信号；
5、s20、对放大声音信号进行序列等级的滤波处理，得到每个放大声音信号对应的滤波信号序列；
6、s30、将所有滤波信号序列中的滤波信号输入预先训练好的环境声音去除模型输出得到去环境声音信号；
7、s40、对所述环境声音信号进行随机矩阵处理，得到高阶矩阵；
8、s50、利用贝叶斯算法，寻找高阶矩阵中的非规律元素，组成非规律矩阵，并计算非规律矩阵的非规律指数；
9、s60、对每个放大声音信号对应的非规律矩阵，寻找非规律指数最大的非规律矩阵作为目标矩阵；
10、s70、将所述目标矩阵输入预先训练好的盆式绝缘子缺陷模型，得到gis设备盆式绝缘子缺陷的概率向量，用于表示每一种盆式绝缘子缺陷的概率。
11、其中，所述声发射传感器组按照指定规则固定贴附在gis设备外壳上的步骤中，所述指定规则获取的步骤，具体包括：
12、步骤1、将所述声发射传感器组均匀粘贴设置在待检测的gis设备外壳上；
13、步骤2、获取声发射传感器组内每个声发射传感器采集的信号作为测试信号；
14、步骤3、对每个测试信号使用历史实验中无绝缘子缺陷的gis设备利用声发射传感器采集的信号进行匹配，以匹配度最差的多个测试信号对应的位置，作为所述声发射传感器组粘贴的指定规则；
15、另外的，也可以采用下面的方式获取所述声发射传感器组粘贴的指定规则：
16、步骤1、将所述声发射传感器组采用阵列方式均匀粘贴设置在待检测的gis设备外壳上；
17、步骤2、构建声发射传感器组的拓扑图，其中每个声发射传感器作为一个节点，节点的值为声发射传感器节点采集的声音信号与基础声音信号的区别度；节点之间的边的值为两个节点采集的声音信号的相似度；所述基础声音信号为历史实验中gis设备内无异物情况下利用声发射传感器采集的声音信号；
18、步骤3、对拓扑图中每个节点，计算到达所有值大于这一节点值的全部节点的路径长度之和，作为达到长度；
19、步骤4、根据到达长度对所有的节点进行排序；
20、步骤5、选择排序靠前的多个点的位置作为所述声发射传感器组粘贴的指定规则。
21、在上述技术方案的基础上，本专利技术的一种gis设备盆式绝缘子缺陷判断系统还可以做如下改进：
22、其中，所述对所述声音信号组的每个声音信号进行放大，得到放大声音信号的步骤，具体是：设原声音信号为s(t)，然后选取放大倍数a，将该声音信号s(t)放大a倍得到放大后的声音信号y(t)，所述a的取值范围是10～128。
23、进一步的，所述对放大声音信号进行序列等级的滤波处理，得到每个放大声音信号对应的滤波信号序列的步骤，具体是：依据噪声频率特性，设计出多个不同频带的带通滤波器h1(f)、h2(f)...hn(f)；将步骤s10放大处理后得到的声音信号y(t)依次输入各个滤波器进行滤波，得到对应过滤后的信号z1(t)、z2(t)...zn(t)；将所有获得的滤波信号组合构成序列信号z(t)＝[z1(t)，z2(t)，...，zn(t)]作为本步骤的滤波信号序列。。
24、进一步的，所述将所有滤波信号序列中的滤波信号输入预先训练好的环境声音去除模型输出得到去环境声音信号的步骤，具体是：采用深度学习方法建构卷积神经网络，以大量带有环境噪声的盆式绝缘子故障声音信号训练该网络以获得环境噪声去除模型，然后将步骤s20滤波得到的信号z(t)输入该环境噪声去除模型以输出去除环境噪声后的声音信号u(t)，训练过程采用交叉熵损失函数并通过反向传播调整网络参数。
25、进一步的，所述对所述环境声音信号进行随机矩阵处理，得到高阶矩阵的步骤，具体是：首先将检测时间段内的去除环境噪声信号u(t)进行等长划分以得到声音信号矩阵u，然后通过随机正交变换等方法生成随机矩阵m，最后将信号矩阵u与随机矩阵m相乘以得到高阶矩阵h。
26、进一步的，所述利用贝叶斯算法，寻找高阶矩阵中的非规律元素，组成非规律矩阵，并计算非规律矩阵的非规律指数的步骤，具体是：依据贝叶斯理论计算高阶矩阵h中每个元素分别属于规律集合和非规律集合的后验概率，选择后验概率中非规律部分较大的元素构成非规律矩阵r，所述训练过程利用大量盆式绝缘子故障信号本文档来自技高网...
【技术保护点】
1.一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，包括声发射传感器组以及上位机组成，其中，所述声发射传感器组按照指定规则固定贴附在GIS设备外壳上，所述声发射传感器组与所述上位机电连接，所述上位机用于获取所述声发射传感器组采集的声音信号组，并利用内置的GIS设备盆式绝缘子缺陷判断模块对所述声音信号组进行分析，得到GIS设备盆式绝缘子缺陷的概率向量，其中，所述GIS设备盆式绝缘子缺陷判断模块执行以下步骤：
2.根据权利要求1所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述对所述声音信号组的每个声音信号进行放大，得到放大声音信号的步骤，具体是：设原声音信号为s(t)，然后选取放大倍数A，将该声音信号s(t)放大A倍得到放大后的声音信号y(t)。
3.根据权利要求2所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述对放大声音信号进行序列等级的滤波处理，得到每个放大声音信号对应的滤波信号序列的步骤，具体是：依据噪声频率特性，设计出多个不同频带的带通滤波器H1(f)、H2(f)...Hn(f)；将步骤S10放大处理后得到的声音信号y(t)依
4.根据权利要求3所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述将所有滤波信号序列中的滤波信号输入预先训练好的环境声音去除模型输出得到去环境声音信号的步骤，具体是：采用深度学习方法建构卷积神经网络，以大量带有环境噪声的盆式绝缘子故障声音信号训练该网络以获得环境噪声去除模型，然后将步骤S20滤波得到的信号Z(t)输入该环境噪声去除模型以输出去除环境噪声后的声音信号u(t)，训练过程采用交叉熵损失函数并通过反向传播调整网络参数。
5.根据权利要求4所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述对所述环境声音信号进行随机矩阵处理，得到高阶矩阵的步骤，具体是：首先将检测时间段内的去除环境噪声信号u(t)进行等长划分以得到声音信号矩阵U，然后通过随机正交变换等方法生成随机矩阵M，最后将信号矩阵U与随机矩阵M相乘以得到高阶矩阵H。
6.根据权利要求5所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述利用贝叶斯算法，寻找高阶矩阵中的非规律元素，组成非规律矩阵，并计算非规律矩阵的非规律指数的步骤，具体是：依据贝叶斯理论计算高阶矩阵H中每个元素分别属于规律集合和非规律集合的后验概率，选择后验概率中非规律部分较大的元素构成非规律矩阵R，所述训练过程利用大量盆式绝缘子故障信号和正常信号得到的高阶矩阵。
7.根据权利要求6所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述对每个放大声音信号对应的非规律矩阵，寻找非规律指数最大的非规律矩阵作为目标矩阵的步骤，具体是：定义非规律指数为非规律矩阵R中非规律元素的个数与该矩阵R总元素个数之比；计算每一个声音信号所对应的多个非规律矩阵R的非规律指数；选择非规律指数最大的非规律矩阵R作为最终目标矩阵。
8.根据权利要求7所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述将所述目标矩阵输入预先训练好的盆式绝缘子缺陷模型，得到GIS设备盆式绝缘子缺陷的概率向量的步骤，具体是：建构基于卷积神经网络的盆式绝缘子故障判断模型，以带标签的大量不同类型盆式绝缘子故障矩阵样本训练该判断模型；将步骤S60选择得到的目标非规律矩阵输入该判断模型，输出不同故障类型的概率向量，实现对故障类型的判断与识别。
9.根据权利要求8所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述声发射传感器组按照指定规则固定贴附在GIS设备外壳上的步骤中，所述指定规则获取的步骤，具体包括：
10.根据权利要求2所述的一种GIS设备盆式绝缘子缺陷判断系统，其特征在于，所述A的取值范围是10～128。
...【技术特征摘要】
1.一种gis设备盆式绝缘子缺陷判断系统，其特征在于，包括声发射传感器组以及上位机组成，其中，所述声发射传感器组按照指定规则固定贴附在gis设备外壳上，所述声发射传感器组与所述上位机电连接，所述上位机用于获取所述声发射传感器组采集的声音信号组，并利用内置的gis设备盆式绝缘子缺陷判断模块对所述声音信号组进行分析，得到gis设备盆式绝缘子缺陷的概率向量，其中，所述gis设备盆式绝缘子缺陷判断模块执行以下步骤：
2.根据权利要求1所述的一种gis设备盆式绝缘子缺陷判断系统，其特征在于，所述对所述声音信号组的每个声音信号进行放大，得到放大声音信号的步骤，具体是：设原声音信号为s(t)，然后选取放大倍数a，将该声音信号s(t)放大a倍得到放大后的声音信号y(t)。
3.根据权利要求2所述的一种gis设备盆式绝缘子缺陷判断系统，其特征在于，所述对放大声音信号进行序列等级的滤波处理，得到每个放大声音信号对应的滤波信号序列的步骤，具体是：依据噪声频率特性，设计出多个不同频带的带通滤波器h1(f)、h2(f)...hn(f)；将步骤s10放大处理后得到的声音信号y(t)依次输入各个滤波器进行滤波,得到对应过滤后的信号z1(t)、z2(t)...zn(t)；将所有获得的滤波信号组合构成序列信号z(t)＝[z1(t),z2(t),...,zn(t)]作为本步骤的滤波信号序列。
4.根据权利要求3所述的一种gis设备盆式绝缘子缺陷判断系统，其特征在于，所述将所有滤波信号序列中的滤波信号输入预先训练好的环境声音去除模型输出得到去环境声音信号的步骤，具体是：采用深度学习方法建构卷积神经网络，以大量带有环境噪声的盆式绝缘子故障声音信号训练该网络以获得环境噪声去除模型，然后将步骤s20滤波得到的信号z(t)输入该环境噪声去除模型以输出去除环境噪声后的声音信号u(t)，训练过程采用交叉熵损失函数并通过反向传播调整网络参数。
5.根据权利要求4所述的一种gis设备盆式绝缘子缺陷判断系统...
【专利技术属性】
技术研发人员：钱勇，夏旭卫，韩利，吴杨，马吉，宋泽炜，严岩，方济中，王一波，郝金鹏，马晓云，许心研，霍耀佳，马莉，潘洁，马锐，
申请(专利权)人：国网宁夏电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。