1.本发明涉及智能诊断
技术领域：
：，特别涉及一种基于光电联合技术对组合电器绝缘性能检测方法和设备。
背景技术：
：：2.由于组合电器设备结构复杂，对设备生产制造、安装、检修的工艺和质量要求极高，在设备生产、运输、安装和长期运行过程中，由于操作不当、绝缘老化等因素，会在设备内部产生绝缘缺陷，导致局部电场畸变，从而诱发局部放电。局部放电是导致组合电器设备内部绝缘劣化的原因，也是表征绝缘组合电器内部绝缘状况的特征量。在发生局部放电过程中，伴随着光、声、热、电等多种物理化学现象，以这些物理化学信息作为检测对象，制备相应的传感器来获取这些信息，能够有效地监测组合电器内部的局部放电过程。3.目前对超高压、特高压变电站中的组合电器设备进行局部放电检测主要采用特高频法和超声波法，目前国内许多超高压和特高压变电站都安装了基于特高频检测技术的局放在线监测系统，然而迄今为止，在发生多起绝缘缺陷放电击穿事故的情况下，未能成功预警一次，特高频在线监测系统经常发出报警信息，每天报警几百次乃至几千次，虚警和漏警严重扰乱了电网运维单位的正常工作秩序、降低了在线监测系统的实用价值和意义。特高频局部放电在线监测系统诊断结果的可靠性低，是由于在超高压、特高压变电站内存在诸多的内、外部电磁干扰，对于这些干扰，目前特高频检测方法的免疫力还不够，既难以抑制，又难以判别。技术实现要素：4.本发明为了弥补现有技术的不足，提供了一种基于光电联合技术对组合电器绝缘性能检测方法和设备。5.本发明是通过如下技术方案实现的：6.一种基于光电联合技术对组合电器绝缘性能检测方法，包括以下步骤：7.s1,光探测头获取组合电器放电产生的紫外光信号，同时ccd采集单元采集光信号；8.s2，光探测头获的紫外光信号经波长转换单元转换为可见光信号；9.s3，步骤s2中的到的可见光信号经光电倍增管转换为电流信号ⅰ，ccd采集单元采集光信号经处理模块转换为电流信号ⅱ；10.s4，电流信号ⅰ和电流信号ⅱ分别进入电流测量模块进行特征提取，并进行数据融合；11.s5,步骤s4由电流信号ⅰ获取的数据融合结果和由电流信号ⅱ获取的数据融合结果分别进入存储以及显示单元进行深度存储，并进行人工智能诊断；12.s6，判断步骤s5中的两个人工智能诊断结果是否相符，若相符则发出警报。13.所述s4中特征提取所提取的特征包括域特征提取、频域特征提取、特征图谱形状特征提取以及非线性特征。14.所述s5中的人工智能诊断包含数据库的建立、采用主成分分析提取放电特征向量的主要特征分量，使得提取主成分能够反映所有特征向量的90％以上特征，将提取后的主特征分量采用支持向量机进行有效的故障识别和分类，将新建立的非线性支持向量机用于对未知或新采集放电数据的有效识别，并将识别结果与对应放电波形进行深度存储，完善数据库的建立；其中数据库包括放电类型及特征向量。15.所述深度存储采用开源数据库hbase，将电压作为表的索引，将放电波形提取的主特征量、放电原始波形以及放电特征图谱作为列关键字，实现电压‑时间‑放电波形的多维存储。16.所述s4中提取的特征与放电波形和故障信息进行融合。17.一种基于光电联合技术对组合电器绝缘性能检测设备，包括光传感器，所述光传感器包括光探测头、与光探测头通过光纤耦合器连接的波长转换单元，以及ccd采集单元，所述波长转换单元通过过光纤、光纤适配器与光电倍增管连接，光电倍增管连接与电流测量模块连接，电流测量模块与存储以及显示单元连接，所述ccd采集单元通过处理模块与电流测量模块连接。18.所述光探测头为荧光光纤探头。19.所述波长转换单元为基于光子晶体光纤的参量放大器。20.所述光传感器安装在组合电器的主设备上。21.本发明创造具有以下技术下过：22.1.利用光学侦缉和诊断技术，能够准确高效地监测设备内部局部放电信号，进而减少组合电器等设备的不定期大修的次数，降低由此引入的人力、物力和财力的投入，降低运行维护成本；23.2.对光学侦缉结果进行有效的特征提取，在状态的特征指数检测基础上，更加合理的确定大量设备的更换时间表，使设备的退役过程更为合理，设备的服役时间最大化，减少非到期更换所带来的生产成本浪费；24.3.另外特征指数作为具有指纹特征的物理量，对各台设备，配备特征参量，能够更加合理地给出各台设备特有的运行状态以及老化的趋势，可为每台设备建立定制的运行方案，使每台设备都能够合理运行；25.4.进一步利用日臻完善的电力信息化平台获取大量电力组合电器运行状态和环境信息，通过人工智能算法研究电力组合电器评估中的关键问题，提出面向电力组合电器状态综合评估的数据融合、关联性分析以及特征提取，并对组合电器设备运行状态进行智能诊断和主动预警，实现电力组合电器负载能力动态评估、故障预测、状态评价和运行风险评估，将“事后找原因”转变为“事前做预防”，从而提高检测效率和效益，进而为推动泛在电力物联网的建设提供技术支撑；26.5.通过人工智能算法对正常运行以及异常数据进行特征提取和数据融合，构建在线监测联合数据库，并采用深度学习结合数据库实现组合电器的智能诊断与主动预警，搭建对应监测平台将预警结果通过智能预警图的方式向运检相关人员及时推送；27.6.减少电力组合电器运行寿命的不确定性引起的事故，减少非预期性停电故障，降低社会影响；28.7.在此基础上建立的评估体系，可以为社会提供更多的技术服务，为我国的智能电网关键设备的寿命评估技术和泛在电力物联网的建设提供技术支撑。附图说明29.下面结合附图对本发明创造作进一步的说明。30.附图1为本发明的设备实物安装示意图。31.附图2为光波长变换原理图。32.附图3为特征提取流程图。33.附图4为人工智能诊断流程图。34.附图5为本发明方法的技术方案流程图。具体实施方式35.以下仅为本发明创造的具体实施方式，但是本发明创造的保护范围并不局限于此，任何熟悉本
技术领域：
：的技术人员在本发明创造揭露的技术范围内，可以轻易想到的变化或替换，都应涵盖在本发明创造的保护范围之内。36.附图1至附图5为本发明的一种具体实施例。该实施例提供了一种基于光电联合技术对组合电器绝缘性能检测方法和设备，用于监测组合电器的故障即故障类型。其中设备包括光传感器和用于处理光传感器获取的信号的电子单元，具体地光传感器包括光探测头、与光探测头通过光纤耦合器连接的参量放大器即波长转换单元，以及ccd采集单元，在本实施例中光探测头采用荧光光纤探头，参量放大器采用基于光子晶体光纤的参量放大器，能实现全光波长变换的原理通过光纤耦合器对数据预处理。光探测头安装在组合电器主设备上负责放电时产生的紫外光光源信号采集，然后经参量放大器转换为可见光。37.参量放大器通过过光纤、光纤适配器与光电倍增管连接，光电倍增管连接与电流测量模块连接，电流测量模块与存储以及显示单元连接。ccd采集单元则通过处理模块与电流测量模连接。38.利用上述设备的基于光电联合技术对组合电器绝缘性能检测方法如下。39.光探测头光采集的紫外光光源信号采集，经参量放大器转换为可见光，电倍增管收到光纤传来的光信号，转换为电流信号ⅰ后发送至电流测量模块进行处理，处理的数数进入存储以及显示单元进行深度存储，并进行人工智能诊断。40.同时ccd采集单元所采集到的光信号信息被处理模块转变为电流信号ⅱ，经电流测量模块进行处理，处理的数据进入存储以及显示单元进行深度存储，并进行人工智能诊断。41.即电流信号ⅱ和电流信号2分别经电流测量模块进行处理。42.电流测量模块的处理过程为：电流测量模块将采集的电流信号特征进行提取，提取方法包含时域特征提取、频域特征提取、特征图谱形状特征提取以及非线性特征提取。其中时域特征包括峰‑峰值、均方根、波形指标、脉冲指标、峭度指标、峰值指标和裕度指标这7个特征参量。频域特征包括功率谱主峰对应频率、重心频率、均方频率、均方根频率、频率方差和频率标准差这6个特征参量。特征图谱形状特征提取包含描述谱图的偏斜度sk、陡峭度ku、局部峰点数pe和描述谱图正负半周轮廓差异的互相关系数cc、放电量因数q、相位不对称度以及修正的互相关系数mcc这7个特征参量。非线性特征包含盒维数、信息维数和空缺率3个特征参量。提取共计23个特征向量，并与放电波形和故障信息进行融合。电流测量模对原始信号采集并预处理，同时计算以上几个参数，利用多参数综合诊断降低干扰信号的随机性，提高诊断的准确度，提高故障诊断结果的可信度。43.从光探测头、ccd采集单元获得的经过融合后的数据分别进行人工智能诊断，主要包含数据库的建立(包含放电类型及特征向量)、采用主成分分析提取放电特征向量的主要特征分量，使得提取主成分能够反映所有特征向量的90％以上特征，将提取后的主特征分量采用支持向量机进行有效的故障识别和分类，将新建立的非线性支持向量机用于对未知或新采集放电数据的有效识别，并将识别结果与对应放电波形进行深度存储，完善数据库的建立。44.即先建立不同放电类型模式库，库中包含不同放电类型及对应的特征向量，然后将特征向量与对应的故障类别进行匹配，然后通过用主成分分析提取放电特征向量的主要特征分量，使得提取主成分能够反映所有特征向量的90％以上特征，然后将提取后的主特征分量采用支持向量机进行有效的故障识别和分类，建立新的的非线性支持向量机，用于对未知或新采集放电数据的有效识别。45.光探测头、ccd采集单元获得数据分别经过人工智能诊断后进行匹配，只有二者结果相同，存储及显示单元才会发出警报。46.深度存储也是本次发明的一个亮点：主要表现为多维数据的存储以及波形回放功能的实现，由于数据量庞大，采用分布式、版本化、高可靠性、高性能、可伸缩的开源数据库hbase。hbase是googlebigtable的开源实现，以表的形式存储数据，由行和列组成，列划分为若干个列簇，表的索引是行关键字、列关键字和时间戳，一个表是一个大的映射关系，通过主键或者主键 时间戳可以实现一列数据的准确定位，本项目将电压作为表的索引，将放电波形提取的主特征量、放电原始波形以及放电特征图谱作为列关键字。进而实现电压‑时间‑放电波形的多维存储，对于波形回放功能则采用主键 特征量 时间戳的形式对放电波形进行准确定位。将光敏曲线图呈现在系统上。当前第1页12当前第1页12
技术领域：
：，特别涉及一种基于光电联合技术对组合电器绝缘性能检测方法和设备。
背景技术：
：：2.由于组合电器设备结构复杂，对设备生产制造、安装、检修的工艺和质量要求极高，在设备生产、运输、安装和长期运行过程中，由于操作不当、绝缘老化等因素，会在设备内部产生绝缘缺陷，导致局部电场畸变，从而诱发局部放电。局部放电是导致组合电器设备内部绝缘劣化的原因，也是表征绝缘组合电器内部绝缘状况的特征量。在发生局部放电过程中，伴随着光、声、热、电等多种物理化学现象，以这些物理化学信息作为检测对象，制备相应的传感器来获取这些信息，能够有效地监测组合电器内部的局部放电过程。3.目前对超高压、特高压变电站中的组合电器设备进行局部放电检测主要采用特高频法和超声波法，目前国内许多超高压和特高压变电站都安装了基于特高频检测技术的局放在线监测系统，然而迄今为止，在发生多起绝缘缺陷放电击穿事故的情况下，未能成功预警一次，特高频在线监测系统经常发出报警信息，每天报警几百次乃至几千次，虚警和漏警严重扰乱了电网运维单位的正常工作秩序、降低了在线监测系统的实用价值和意义。特高频局部放电在线监测系统诊断结果的可靠性低，是由于在超高压、特高压变电站内存在诸多的内、外部电磁干扰，对于这些干扰，目前特高频检测方法的免疫力还不够，既难以抑制，又难以判别。技术实现要素：4.本发明为了弥补现有技术的不足，提供了一种基于光电联合技术对组合电器绝缘性能检测方法和设备。5.本发明是通过如下技术方案实现的：6.一种基于光电联合技术对组合电器绝缘性能检测方法，包括以下步骤：7.s1,光探测头获取组合电器放电产生的紫外光信号，同时ccd采集单元采集光信号；8.s2，光探测头获的紫外光信号经波长转换单元转换为可见光信号；9.s3，步骤s2中的到的可见光信号经光电倍增管转换为电流信号ⅰ，ccd采集单元采集光信号经处理模块转换为电流信号ⅱ；10.s4，电流信号ⅰ和电流信号ⅱ分别进入电流测量模块进行特征提取，并进行数据融合；11.s5,步骤s4由电流信号ⅰ获取的数据融合结果和由电流信号ⅱ获取的数据融合结果分别进入存储以及显示单元进行深度存储，并进行人工智能诊断；12.s6，判断步骤s5中的两个人工智能诊断结果是否相符，若相符则发出警报。13.所述s4中特征提取所提取的特征包括域特征提取、频域特征提取、特征图谱形状特征提取以及非线性特征。14.所述s5中的人工智能诊断包含数据库的建立、采用主成分分析提取放电特征向量的主要特征分量，使得提取主成分能够反映所有特征向量的90％以上特征，将提取后的主特征分量采用支持向量机进行有效的故障识别和分类，将新建立的非线性支持向量机用于对未知或新采集放电数据的有效识别，并将识别结果与对应放电波形进行深度存储，完善数据库的建立；其中数据库包括放电类型及特征向量。15.所述深度存储采用开源数据库hbase，将电压作为表的索引，将放电波形提取的主特征量、放电原始波形以及放电特征图谱作为列关键字，实现电压‑时间‑放电波形的多维存储。16.所述s4中提取的特征与放电波形和故障信息进行融合。17.一种基于光电联合技术对组合电器绝缘性能检测设备，包括光传感器，所述光传感器包括光探测头、与光探测头通过光纤耦合器连接的波长转换单元，以及ccd采集单元，所述波长转换单元通过过光纤、光纤适配器与光电倍增管连接，光电倍增管连接与电流测量模块连接，电流测量模块与存储以及显示单元连接，所述ccd采集单元通过处理模块与电流测量模块连接。18.所述光探测头为荧光光纤探头。19.所述波长转换单元为基于光子晶体光纤的参量放大器。20.所述光传感器安装在组合电器的主设备上。21.本发明创造具有以下技术下过：22.1.利用光学侦缉和诊断技术，能够准确高效地监测设备内部局部放电信号，进而减少组合电器等设备的不定期大修的次数，降低由此引入的人力、物力和财力的投入，降低运行维护成本；23.2.对光学侦缉结果进行有效的特征提取，在状态的特征指数检测基础上，更加合理的确定大量设备的更换时间表，使设备的退役过程更为合理，设备的服役时间最大化，减少非到期更换所带来的生产成本浪费；24.3.另外特征指数作为具有指纹特征的物理量，对各台设备，配备特征参量，能够更加合理地给出各台设备特有的运行状态以及老化的趋势，可为每台设备建立定制的运行方案，使每台设备都能够合理运行；25.4.进一步利用日臻完善的电力信息化平台获取大量电力组合电器运行状态和环境信息，通过人工智能算法研究电力组合电器评估中的关键问题，提出面向电力组合电器状态综合评估的数据融合、关联性分析以及特征提取，并对组合电器设备运行状态进行智能诊断和主动预警，实现电力组合电器负载能力动态评估、故障预测、状态评价和运行风险评估，将“事后找原因”转变为“事前做预防”，从而提高检测效率和效益，进而为推动泛在电力物联网的建设提供技术支撑；26.5.通过人工智能算法对正常运行以及异常数据进行特征提取和数据融合，构建在线监测联合数据库，并采用深度学习结合数据库实现组合电器的智能诊断与主动预警，搭建对应监测平台将预警结果通过智能预警图的方式向运检相关人员及时推送；27.6.减少电力组合电器运行寿命的不确定性引起的事故，减少非预期性停电故障，降低社会影响；28.7.在此基础上建立的评估体系，可以为社会提供更多的技术服务，为我国的智能电网关键设备的寿命评估技术和泛在电力物联网的建设提供技术支撑。附图说明29.下面结合附图对本发明创造作进一步的说明。30.附图1为本发明的设备实物安装示意图。31.附图2为光波长变换原理图。32.附图3为特征提取流程图。33.附图4为人工智能诊断流程图。34.附图5为本发明方法的技术方案流程图。具体实施方式35.以下仅为本发明创造的具体实施方式，但是本发明创造的保护范围并不局限于此，任何熟悉本
技术领域：
：的技术人员在本发明创造揭露的技术范围内，可以轻易想到的变化或替换，都应涵盖在本发明创造的保护范围之内。36.附图1至附图5为本发明的一种具体实施例。该实施例提供了一种基于光电联合技术对组合电器绝缘性能检测方法和设备，用于监测组合电器的故障即故障类型。其中设备包括光传感器和用于处理光传感器获取的信号的电子单元，具体地光传感器包括光探测头、与光探测头通过光纤耦合器连接的参量放大器即波长转换单元，以及ccd采集单元，在本实施例中光探测头采用荧光光纤探头，参量放大器采用基于光子晶体光纤的参量放大器，能实现全光波长变换的原理通过光纤耦合器对数据预处理。光探测头安装在组合电器主设备上负责放电时产生的紫外光光源信号采集，然后经参量放大器转换为可见光。37.参量放大器通过过光纤、光纤适配器与光电倍增管连接，光电倍增管连接与电流测量模块连接，电流测量模块与存储以及显示单元连接。ccd采集单元则通过处理模块与电流测量模连接。38.利用上述设备的基于光电联合技术对组合电器绝缘性能检测方法如下。39.光探测头光采集的紫外光光源信号采集，经参量放大器转换为可见光，电倍增管收到光纤传来的光信号，转换为电流信号ⅰ后发送至电流测量模块进行处理，处理的数数进入存储以及显示单元进行深度存储，并进行人工智能诊断。40.同时ccd采集单元所采集到的光信号信息被处理模块转变为电流信号ⅱ，经电流测量模块进行处理，处理的数据进入存储以及显示单元进行深度存储，并进行人工智能诊断。41.即电流信号ⅱ和电流信号2分别经电流测量模块进行处理。42.电流测量模块的处理过程为：电流测量模块将采集的电流信号特征进行提取，提取方法包含时域特征提取、频域特征提取、特征图谱形状特征提取以及非线性特征提取。其中时域特征包括峰‑峰值、均方根、波形指标、脉冲指标、峭度指标、峰值指标和裕度指标这7个特征参量。频域特征包括功率谱主峰对应频率、重心频率、均方频率、均方根频率、频率方差和频率标准差这6个特征参量。特征图谱形状特征提取包含描述谱图的偏斜度sk、陡峭度ku、局部峰点数pe和描述谱图正负半周轮廓差异的互相关系数cc、放电量因数q、相位不对称度以及修正的互相关系数mcc这7个特征参量。非线性特征包含盒维数、信息维数和空缺率3个特征参量。提取共计23个特征向量，并与放电波形和故障信息进行融合。电流测量模对原始信号采集并预处理，同时计算以上几个参数，利用多参数综合诊断降低干扰信号的随机性，提高诊断的准确度，提高故障诊断结果的可信度。43.从光探测头、ccd采集单元获得的经过融合后的数据分别进行人工智能诊断，主要包含数据库的建立(包含放电类型及特征向量)、采用主成分分析提取放电特征向量的主要特征分量，使得提取主成分能够反映所有特征向量的90％以上特征，将提取后的主特征分量采用支持向量机进行有效的故障识别和分类，将新建立的非线性支持向量机用于对未知或新采集放电数据的有效识别，并将识别结果与对应放电波形进行深度存储，完善数据库的建立。44.即先建立不同放电类型模式库，库中包含不同放电类型及对应的特征向量，然后将特征向量与对应的故障类别进行匹配，然后通过用主成分分析提取放电特征向量的主要特征分量，使得提取主成分能够反映所有特征向量的90％以上特征，然后将提取后的主特征分量采用支持向量机进行有效的故障识别和分类，建立新的的非线性支持向量机，用于对未知或新采集放电数据的有效识别。45.光探测头、ccd采集单元获得数据分别经过人工智能诊断后进行匹配，只有二者结果相同，存储及显示单元才会发出警报。46.深度存储也是本次发明的一个亮点：主要表现为多维数据的存储以及波形回放功能的实现，由于数据量庞大，采用分布式、版本化、高可靠性、高性能、可伸缩的开源数据库hbase。hbase是googlebigtable的开源实现，以表的形式存储数据，由行和列组成，列划分为若干个列簇，表的索引是行关键字、列关键字和时间戳，一个表是一个大的映射关系，通过主键或者主键 时间戳可以实现一列数据的准确定位，本项目将电压作为表的索引，将放电波形提取的主特征量、放电原始波形以及放电特征图谱作为列关键字。进而实现电压‑时间‑放电波形的多维存储，对于波形回放功能则采用主键 特征量 时间戳的形式对放电波形进行准确定位。将光敏曲线图呈现在系统上。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
