一种循环渐进式局部放电判别方法技术

本发明专利技术涉及电缆局部放电检测方法领域，尤指一种循环渐进式局部放电判别方法，包含逻辑门判别过程、神经网络判别过程，所述逻辑门判别过程是通过读取局放信号处理装置传输来的局放信号的频率f、相位φ、放电量q、密度n、持续时间t作为特征量，根据上述五个特征量对局放信号进行逻辑门f‑q‑n‑t特征值判别，同时每次进行逻辑门判别之后都进行一次神经网络判别，只有当四个频率上的逻辑门判别和神经网络判别均判断为局放时，输出判别结果为局放；当任意一次逻辑门判别或神经网络判别为噪声，则返回重新读取数据进行判别，设有串联式的逻辑门判别和神经网络判别，根据局放信号的特征设置判别机制，大大提高了判别的准确性。

【技术实现步骤摘要】
一种循环渐进式局部放电判别方法
本专利技术涉及电缆局部放电检测方法领域，尤指一种循环渐进式局部放电判别方法。
技术介绍
局部放电(简称“局放”)是造成高压电气设备最终发生绝缘击穿的重要原因，也是绝缘劣化的重要表征，是绝缘破坏的前兆，对于电缆线路实施局放在线监测，是发现前兆和早期发现绝缘缺陷的有效手段之一，是防止电缆线路发生突发性的击穿事故的有效方法。由于在线监测是自动无人测试的，由于远离人的监控，所以在线监测系统具备一种高准确率的局放判读机制对在线监测系统获得有效的准确的监测结果对保障电力电缆可靠运行具有重要意义。专利文献CN103513168B公开了一种GIS及电缆局部放电综合判断方法，根据逻辑门数值方别方法和神经网络自动判别方法同步对数据进行分析判断，在此基础上综合此两种方法的判定结果，得出综合判定的等级及严重度。上述GIS及电缆局部放电综合判断方法，逻辑门数值判读和神经网络自动判别并联同时判别，给出一个数据综合判别的瞬时结果。逻辑门判别是通过对获取的物理量放电量q，密度n和时间t的读取数值进行阈值判断；对学习样本只是输入，样本单一，神经网络学习需要大量的样本数据。神经网络自动判别是采用模式识别中的神经网络模型架构读取数值以百分比概率的形式给出判定结果；综合判别即将逻辑门数值判读和神经网络的自动判别结果综合，判别结果是局放或噪声。且这种判断方法输出结果只是判别检测到的信号是局放还是噪声，而且此方法是瞬时判断结果，没有综合各个频率的判别，容易将一些低频、高频或特定频率存在的噪声误判为局放，造成误判误报。
技术实现思路
为解决上述问题，本专利技术提供一种循环渐进式局部放电判别方法，设有串联式的逻辑门判别和神经网络判别，根据局放信号的特征设置判别机制，大大提高了判别的准确性。本专利技术的另一个目的是提供一种具有多种神经网络判别机制的局放检测方法，对神经网络输入数据增加预处理，降低神经网络的误判率。本专利技术的另一个目的是提供一种能够对局放和噪声进行区分具体类型的局放判别方法。为实现上述目的，本专利技术采用的技术方案是：一种循环渐进式局部放电判别方法，包含逻辑门判别过程、神经网络判别过程，所述逻辑门判别过程是通过读取局放信号处理装置传输来的局放信号的频率f、相位φ、放电量q、密度n、持续时间t作为特征量，根据上述五个特征量对局放信号进行逻辑门f-q-n-t特征值判别，同时每次进行逻辑门判别之后都进行一次神经网络判别，只有当四个频率上的逻辑门判别和神经网络判别均判断为局放时，输出判别结果为局放；当任意一次逻辑门判别或神经网络判别为噪声，则返回继续读取新数据进行判别。进一步地，其中局放信号的四个不同频率f之间的关系是f1<f2<f3<f4；四个不同密度n之间的关系是n1≥n2≥n3≥n4；四个不同的持续时间t之间的关系是t1≤t2≤t3≤t4；所述逻辑门判别过程的判别规则是在一个信号频率f上，实际检测值超过放电量q、密度n并满足信号的持续时间t即判断为局放，否则为噪声并且返回重新读取数据继续进行判别，当四个频率上的逻辑门判别均判断为局放，才能进行下一步的判别。进一步地，所述神经网络判别过程主要由输入数据、数据预处理、输入层、中间层和输出层组成，通过输入数据提取局放信号的相位φ、放电量q、密度n三个特征量，并通过数据预处理对数据进行相位φ的初相角正规化处理、放电量q的正规化处理和密度n的归一化处理后将预处理的数据通过神经网络的输入层、中间层后，最终通过输出层输出判别结果。进一步地，所述神经网络判别过程分为三种，包括第一神经网络判别机制、第二神经网络判别机制和第三神经网络判别机制。所述第一神经网络判别机制的数据预处理是对局放特征量密度n的大小进行归一化处理，再经过神经网络学习；所述第二神经网络判别机制的数据预处理是对局放特征量密度n的大小进行归一化处理和通过对数据进行相位φ的初相角移动将一个数据变成120个数据进行预处理，再经过神经网络学习；所述第三神经网络判别机制的数据预处理是对局放特征量密度n的大小进行归一化处理、相位φ的初相角进行正规化处理以及放电量q的大小正规化处理，再经过神经网络学习；当神经网络对局放信号的判别相似度达到90％以上判定为局放，小于90％时判定为噪声。进一步地，所述相位φ的初相角正规化处理过程为：首先分辨信号簇团；其次将图谱横坐标的相位角0～360°分成120等份，每3°为一等份，最后找出簇团信号重心或中心点位置并将图谱从最左侧簇团信号初始相角移至0°相位处，将处于不同起始相角的信号统一移动至指定的0°相角上进行判断。所述移动相位角将一个样本变成120个样本处理过程为：通过软件程序进行数据的位移，将一个样本数据变化得到120个不同起始相位的样本数据，增加样本数据量。进一步地，所述放电量q的正规化处理过程为:对于一个局放信号，每个测试频率的检测信号放电量大小会因背景噪声水平高低而不同，因此将所有检测信号放电量进行正规化处理，即将不同放电量的信号归到同一个放电量起点进行判断，以排除背景噪声水平干扰的影响。进一步地，所述密度n的归一化处理过程为：在PRRD图谱的二维坐标系上，每一个格子内的颜色代表在相应相角和放电量大小的信号密度，通过对每个格子内的信号密度大小进行计算，并找出密度最大值Nmax，其他格内的当前密度值N则归一化为n＝N/Nmax，在对代表密度大小的数据进行归一化处理后可得到用于神经网络自动判别的密度数据及密度随相位角的变化曲线图。本专利技术的有益效果在于：串联式判断，采用串联式判断机制，包含了四种不同的逻辑门判别机制和三种神经网络判别机制，根据局放信号的特征设置判别机制，对局放信号的判别更加严谨；神经网络样本丰富，通过对神经网络输入数据进行相位角的移位处理，将一个数据通过移位变成120个数据，大大增加了神经网络学习的样本；神经网络误判率低，对神经网络输入数据增加了初相角的正规化预处理、放电量的正规化预处理和密度大小的归一化预处理，使得神经网络的判别更加准确；能够区分局放和噪声信号的类型，对局放和噪声能够区分具体类型，对于电缆线路的维护有直接的指导建议；逻辑门判别有频率特征，逻辑门判别能够实现局放特征量频率、放电量、密度和持续时间的综合判别，对于信号的判别更加准确。附图说明图1是本专利技术的判别流程图。图2是本专利技术的神经网络判别流程图。图3是本专利技术的初相位正规化示意图。图4是本专利技术的移动相位角增大样本数据过程示意图。图5是本专利技术的放电量正规化示意图。图6是本专利技术的密度归一化示意图。图7是本专利技术的具体实施方式1示意图。图8是本专利技术的具体实施方式2示意图。具体实施方式请参阅图1-8所示，本专利技术关于一种循环渐进式局部放电判别方法，包含逻辑门判别过程、神经网络判别过程，所述逻辑门判别过程是通过读取局放信号处理装置传输来的局放信号的频率f、相位φ、放电量q本文档来自技高网...

【技术保护点】
1.一种循环渐进式局部放电判别方法，其特征在于：包含逻辑门判别过程、神经网络判别过程，所述逻辑门判别过程是通过读取局放信号处理装置传输来的局放信号的频率f、相位φ、放电量q、密度n、持续时间t作为特征量，根据上述五个特征量对局放信号进行逻辑门f-q-n-t特征值判别，同时每次进行逻辑门判别之后都进行一次神经网络判别，只有当四个频率上的逻辑门判别和神经网络判别均判断为局放时，输出判别结果为局放；当任意一次逻辑门判别或神经网络判别为噪声，则返回重新读取数据进行判别。/n

【技术特征摘要】
1.一种循环渐进式局部放电判别方法，其特征在于：包含逻辑门判别过程、神经网络判别过程，所述逻辑门判别过程是通过读取局放信号处理装置传输来的局放信号的频率f、相位φ、放电量q、密度n、持续时间t作为特征量，根据上述五个特征量对局放信号进行逻辑门f-q-n-t特征值判别，同时每次进行逻辑门判别之后都进行一次神经网络判别，只有当四个频率上的逻辑门判别和神经网络判别均判断为局放时，输出判别结果为局放；当任意一次逻辑门判别或神经网络判别为噪声，则返回重新读取数据进行判别。


2.根据权利要求1所述的循环渐进式局部放电判别方法，其特征在于：所述特征量的四个不同频率f之间的关系是f1<f2<f3<f4；四个不同密度n之间的关系是n1≥n2≥n3≥n4；四个不同的持续时间t之间的关系是t1≤t2≤t3≤t4；所述逻辑门判别过程的判别规则是在一个信号频率f上，实际检测值超过放电量q、密度n并满足信号的持续时间t即判断为局放，否则为噪声并且返回重新读取数据继续进行判别，当四个频率上的逻辑门判别均判断为局放，才能进行下一步的判别。


3.根据权利要求1所述的循环渐进式局部放电判别方法，其特征在于：所述神经网络判别过程主要由输入数据、数据预处理、输入层、中间层和输出层组成，通过输入数据提取局放信号的相位φ、放电量q、密度n三个特征量，并通过数据预处理对数据进行相位φ的初相角正规化处理、放电量q的正规化处理和密度n的归一化处理后将预处理的数据通过神经网络的输入层、中间层后，最终通过输出层输出判别结果。


4.根据权利要求3所述的循环渐进式局部放电判别方法，其特征在于：所述神经网络判别过程分为三种，包括第一神经网络判别机制、第二神经网络判别机制和第三神经网络判别机制，
所述第一神经网络判别机制的数据预处理是对局放特征量密度n的大小进行归一化处理，再经过神经网络学习；
所述第...

【专利技术属性】
技术研发人员：东盛刚，刘毅坚，周智鹏，鲁晶晶，谢艳婷，唐敏玲，蔡诗廷，邹梓健，
申请(专利权)人：广州智丰电气科技有限公司，
类型：发明
国别省市：广东;44