基于振荡波分析的电力变压器的局部放电检测方法及系统
本发明涉及放电检测,尤其涉及基于振荡波分析的电力变压器的局部放电检测方法及系统。
背景技术:
1、电力变压器是基于电磁感应原理实现电压变换的核心电力设备,主要用于升高/降低电压、连接电网,广泛应用于电力传输与分配场景。而振荡波是一种在电力、电子领域广泛应用的技术,既用于电缆检测等工业场景,也用于设备抗电磁干扰测试。局部放电信号往往淹没在强背景噪声中,传统滤波方法难以有效提取特征,从而难以高精度对放电信号进行识别,而且振荡波电压具有衰减周期性,传统方法难以充分利用这种时序特征。
技术实现思路
1、本发明克服了现有技术的不足,提供了基于振荡波分析的电力变压器的局部放电检测方法及系统。
2、为达上述目的,本发明采用的技术方案为:
3、本发明第一方面提供了基于振荡波分析的电力变压器的局部放电检测方法,包括以下步骤:
4、通过设置传感器阵列,采用自适应阈值触发与全波形采集相结合的方式通过传感器阵列对电力变压器的放电信号进行采集并处理;
5、通过对放电信号进行时间同步处理,并采用数字波束成形技术对对特定方向的声源增强接收;
6、基于lstm构建局部放电信号识别模型,并通过局部放电信号识别模型对时间序列数据的放电信号进行学习,通过局部放电信号识别模型进行噪声抑制处理;
7、获取噪声抑制处理后的振荡波信号,并对所述噪声抑制处理后的振荡波信号进行周期衰减特性分析,根据周期衰减特性分析结果进行预警。
8、进一步的,在基于振荡波分析的电力变压器的局部放电检测方法中,通过设置传感器阵列,采用自适应阈值触发与全波形采集相结合的方式通过传感器阵列对电力变压器的放电信号进行采集并处理,具体为:
9、在电力变压器关键节点布置若干个传感单元,形成传感器阵列,通过传感器阵列采集电力变压器的放电信号,并在初始阶段基于振荡波电压过零点的固定时间窗口进行预采集;
10、检测到放电信号后,根据信号特征动态调整触发阈值与采样频率,对于高频放电分量提升采样率,对低频放电分量降低采样率;
11、通过测量电路测量产生的振荡波测试电压,并通过fpga可编程脉冲发生器调节脉冲占空比与频率,获取不同阻尼特性的振荡波。
12、进一步的,在基于振荡波分析的电力变压器的局部放电检测方法中,通过对放电信号进行时间同步处理,并采用数字波束成形技术对对特定方向的声源增强接收,具体为:
13、设置振荡波电压测试阈值,当测量电路测量产生的振荡波测试电压大于所述振荡波电压测试阈值时,电磁信号与声发射信号被同步采集;
14、计算电磁信号与声发射信号之间的时间差,根据所述电磁信号与声发射信号之间的时间差计算放电位置,结合声波到达不同传感器的时差进行三维空间定位,完成声电信号时间同步;
15、采用数字波束成形技术,通过调整各传感器信号的相位与权重,对特定方向的声源增强接收。
16、进一步的,在基于振荡波分析的电力变压器的局部放电检测方法中,基于lstm构建局部放电信号识别模型,并通过局部放电信号识别模型对对时间序列数据的放电信号进行学习,具体为:
17、基于lstm构建局部放电信号识别模型,获取每个时间戳所采集的放电信号,并基于每个时间戳所采集的放电信号构建时间序列数据的放电信号;
18、对所述时间序列数据的放电信号进行小波包分解,提取多尺度频域特征,选取db4小波作为基函数,进行5层小波包分解,得到32个子频带;
19、从每个子频带中计算能量占比、标准差和香农熵,形成96维特征向量作为lstm网络的输入;
20、构建了一个深度lstm网络,包含3个lstm层和2个全连接层,每个lstm层有128个隐藏单元,并使用dropout防止过拟合,最后一个lstm层输出接入全连接层,通过softmax激活函数输出分类结果。
21、进一步的,在基于振荡波分析的电力变压器的局部放电检测方法中,通过局部放电信号识别模型进行噪声抑制处理,具体为:
22、获取预设时间之内所采集的时间序列数据的放电信号,将所述预设时间之内所采集的时间序列数据的放电信号输入到局部放电信号识别模型中进行识别;
23、通过softmax激活函数输出分类结果,并输出正常信号、电晕放电、内部放电或者表面放电的识别结果;
24、lstm网络采用编码器-解码器结构,编码器将识别结果中的含噪信号映射为潜在空间表示;
25、解码器从该表示中重构纯净信号,通过对抗训练策略,引入判别器网络区分重构信号与真实纯净信号。
26、进一步的,在基于振荡波分析的电力变压器的局部放电检测方法中,获取噪声抑制处理后的振荡波信号,并对所述噪声抑制处理后的振荡波信号进行周期衰减特性分析,具体为:
27、将噪声抑制处理后的振荡波信号按电压周期进行分割,每个周期内划分若干个相位窗,统计每个窗内的放电次数、平均放电量和最大放电量,形成周期相位分布模式,明确了周期间时序关系;
28、采用双路径并行结构,其中一路使用一维cnn提取单个周期内的局部放电特征,另一路使用双向lstm捕捉多个周期之间的衰减特性与时序依赖关系;
29、通过两路特征在融合层拼接,通过自注意力机制加权后送入全连接层分类,缺陷分类使用交叉熵损失,发展趋势预测使用均方误差损失,总损失函数为两项的加权和;
30、通过多任务学习,预测振荡波信号的周期衰减演化状态趋势。
31、进一步的,在基于振荡波分析的电力变压器的局部放电检测方法中,根据周期衰减特性分析结果进行预警,具体为:
32、获取实时振荡波信号的周期衰减演化状态,设置振荡波信号的周期衰减演化状态评价指标范围,并判断实时振荡波信号的周期衰减演化状态是否在振荡波信号的周期衰减演化状态评价指标范围之内;
33、当实时振荡波信号的周期衰减演化状态在振荡波信号的周期衰减演化状态评价指标范围之内时,输出正常的振荡波信号;
34、当实时振荡波信号的周期衰减演化状态不在振荡波信号的周期衰减演化状态评价指标范围之内时,生成异常的振荡波信号,并对异常的振荡波信号进行维修预警。
35、本发明第二方面提供了基于振荡波分析的电力变压器的局部放电检测系统,包括存储器以及处理器,所述存储器中包括基于振荡波分析的电力变压器的局部放电检测方法程序,所述基于振荡波分析的电力变压器的局部放电检测方法程序被所述处理器执行时,实现任一项所述的基于振荡波分析的电力变压器的局部放电检测方法的步骤。
36、本发明第三方面提供了一种计算机可读存储介质,包括基于振荡波分析的电力变压器的局部放电检测方法程序,所述基于振荡波分析的电力变压器的局部放电检测方法程序被处理器执行时,实现任一项所述的基于振荡波分析的电力变压器的局部放电检测方法的步骤。
37、本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
38、本发明通过设置传感器阵列,采用自适应阈值触发与全波形采集相结合的方式通过传感器阵列对电力变压器的放电信号进行采集并处理,进一步通过对放电信号进行时间同步处理,并采用数字波束成形技术对对特定方向的声源增强接收,进而基于lstm构建局部放电信号识别模型,并通过局部放电信号识别模型对时间序列数据的放电信号进行学习,通过局部放电信号识别模型进行噪声抑制处理,从而获取噪声抑制处理后的振荡波信号,并对噪声抑制处理后的振荡波信号进行周期衰减特性分析,根据周期衰减特性分析结果进行预警。本发明通过利用lstm对时间序列数据的强大建模能力,实现高精度放电信号识别与噪声抑制,而且利用多任务学习使模型能够同时识别当前缺陷类型并预测其演化趋势,为预防性维修提供决策依据,提前进行预警。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com