一种基于物联网在线终端节点的局部放电快速识别方法技术

本发明专利技术公开一种基于物联网在线终端节点的局部放电快速识别方法；包括：（1）传感器采集数据；（2）对采集到的数据进行相位幅值信息处理；（3）对处理后的信号进行短时能量计算；（4）计算该曲线的梯度变化曲线，最后根据该梯度变化曲线参数分布范围快速识别该信号是否为异常信号。本发明专利技术使用异常信号的能量曲线梯度图与正常信号的能量曲线梯度图具有不同的表现特征进行异常与正常的模式识别，该方法计算简单快捷，无需大量数据即可快速判断当前传感器监测节点是否存在异常，有效解决现有的在线监测设备需要将数据传输到后台的通信压力。测设备需要将数据传输到后台的通信压力。测设备需要将数据传输到后台的通信压力。

【技术实现步骤摘要】
一种基于物联网在线终端节点的局部放电快速识别方法


[0001]本专利技术属于电气设备检测
，特别涉及一种基于物联网在线终端节点的局部放电快速识别方法。

技术介绍

[0002]电力设备的绝缘在强电场作用下局部范围内发生的放电称为局部放电。绝缘中的某些薄弱部位在高电场作用下发生局部放电是普遍存在的问题，在一定条件下会导致绝缘劣化甚至击穿。对运行中的设备要加强监测，当局部放电超过一定程度时，应将设备退出运行，进行检修或更换。局部放电带电检测或在线监测可以减少停电检修所耗费的人力、物力和财力，可随时了解设备的绝缘状况及发展趋势，对于及时发现潜伏性的故障具有重要的意义。
[0003]当介质内部发生局部放电时，伴随许多现象，如电脉冲的产生、介质损耗的增大和电磁波辐射；而也有属于非电类的，如光、热、噪声、媒介物质压力和化学方面的变化等，这些现象均可用以判断局部放电是否存在，目前应用于电力设备局部放电检测较为成熟的方法主要是暂态地电波法、超声监测法、超高频法、高频电流法等，现有的局放检测设备多使用其中一种或多种方法对电力设备进行放电判断。
[0004]专利申请号为CN201010607433.5公开了一种基于超声波检测的GIS局部放电模式识别方法，其方法包括以下步骤：1)利用超声波传感器对GIS设备进行原始信号采样，所述原始信号包含局部放电信号和噪声信号；2)在幅值模式下对原始信号进行50Hz和100Hz频率相关成分提取，进行放电信号和干扰噪声的分离；主要步骤包括：幅值模式定义为（q
i
,t<br/>i
+20(n
‑
1))
n
,其中n为采样周期，t
i
和q
i
为第n周期中第i个声波脉冲信号的采集时间和幅值；对原始信号序列的幅值包络线进行时间间隔为1ms的重采样（采样率f
s
=1000Hz），得到一个新的序列；对新序列进行快速傅里叶变换（FFT），得到其频谱分布（Q（f
i
,f
i
））；根据新序列的频谱分布函数由下式获取频率成分F1和F2的值；3)将分离出的局部放电信号在飞行模式下对分离出的局部放电信号进行特征参数提取，判别检测获得的信号是否来自于自由金属微粒，如属于自由金属微粒，则输出识别结果为金属微粒放电，如不属于，则进行步骤4）；4)将局部放电信号在相位模式下进行特征算子提取，根据相位模式下提取的特征算子，输入神经网络，判断局部放电信号是否属于电晕放电、内部放电或者悬浮放电；该专利首先根据幅值模式进行噪声与放电的判断，再采用特征算子及神经网络进行电晕放电、内部放电或悬浮放电的区分。然而，该方法还是存在一些不足，由于需要建立指纹库、使用神经网络不适合在线监测终端节点的快速诊断。
[0005]因此，如何简单有效地对在线终端节点的异常做出快速反应，是电力设备在线局放检测领域一个亟待解决的问题。

技术实现思路

[0006]本专利技术的目的在于针对现有技术中存在的不足，提出了一种基于物联网在线终端
节点的局部放电快速识别方法。本专利技术使用异常时短时能量曲线梯度信息与正常时短时能量曲线梯度信息具有不同的表现特征进行异常与正常的模式识别，对基于物联网的局部放电在线监测系统是否有放电提供了很高的指导意义，适用于不同环境下的电力设备局部放电在线监测模式识别。
[0007]为了实现上述目的，本专利技术采用了以下技术方案：一种基于物联网在线终端节点的局部放电快速识别方法，主要包括以下步骤：（1）传感器节点进行数据采集1s；（2）对采样获得的数据进行相位幅值信息提取；（3）对提取后的相位幅值信息数据计算短时能量曲线；（4）对短时能量曲线提取梯度变化曲线；（5）对步骤（4）的梯度变化曲线计算特征参数，根据参数范围判断当前数据是异常数据还是正常数据。
[0008]本专利技术进一步说明，所述步骤（1）具体为：采集1秒局部放电脉冲数据序列X（i）。
[0009]本专利技术进一步说明，所述步骤（2）具体为：对所述局部放电脉冲数据序列X（i）提取信号的相位幅值信息数据Y（i）。
[0010]本专利技术进一步说明，所述步骤（3）具体为：对提取后的相位幅值信息数据Y（i）计算短时能量曲线S（i）；对信号进行加窗处理，本文中取n = 100，即设定窗函数的长度为100。
[0011]本专利技术进一步说明，所述步骤（4）具体为：对短时能量曲线S（i）提取梯度变化曲线E（i），即采用数学形态学梯度算子进行梯度变化曲线的提取。
[0012]本专利技术进一步说明，所述步骤（5）具体为：对梯度变化曲线E（i）进行AR模型参数估计，得到特征根α
i
，若该模型的特征根α
i
的值均&lt; 1，则说明该信号为平稳信号，判断为正常，否则为异常。
[0013]本专利技术的优点：本专利技术使用异常信号的能量曲线梯度图与正常信号的能量曲线梯度图具有不同的表现特征进行异常与异常的模式识别，该方法计算简单快捷，无需大量数据即可快速判断当前传感器监测节点是否存在异常，有效解决现有的在线监测设备需要将数据传输到后台的通信压力。
附图说明
[0014]图1是本专利技术一实施例的流程图。
[0015]图2是本专利技术一实施例中采集数据的异常短时能量图。
[0016]图3是本专利技术一实施例中采集数据的正常短时能量图。
具体实施方式
[0017]下面结合附图对本专利技术进一步说明。
[0018]实施例：如图1所示，一种基于物联网在线终端节点的局部放电快速识别方法，包括以下步骤：（1）传感器节点进行数据采集1s；
采集1秒局部放电脉冲数据序列X（i）。
[0019]（2）对采样获得的数据进行相位幅值信息提取；对所述局部放电脉冲数据X（i）提取信号的相位幅值信息Y(i)。
[0020]（3）对提取后的相位幅值数据计算短时能量曲线；对提取后的相位幅值数据Y(i)计算短时能量曲线S(i)；对信号进行加窗处理，本文中取n = 100，即设定窗函数的长度为 100。
[0021]（4）对短时能量曲线提取梯度变化曲线；对短时能量曲线提取梯度变化曲线S(i)；即采用数学形态学梯度算子进行梯度变化曲线的提取E(i)。
[0022]（5）对该梯度变化曲线E(i)计算特征参数α，根据参数范围判断当前数据是异常数据还是正常数据。
[0023]对梯度变化曲线E(i)采用AR模型进行参数估计得到特征根α
i
，若该模型的特征根α
i
的值均&lt; 1,则说明该信号为平稳信号，判断为正常，否则为异常。
[0024]本实施例中的图2为所采集异常信号的短时能量曲线图；图3为所采集正常信号的短时能量曲线图。
[0025]显然，上述实施例仅仅是为了清楚的说明本专利技术所作的举例，而并非对本专利技术实施的限定。对于所属
的普通技术人员来说，在上述说明的基础上还可以做出其它不同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网在线终端节点的局部放电快速识别方法，其特征在于，主要包括以下步骤：（1）传感器节点进行数据采集1s；（2）对采样获得的数据进行相位幅值信息提取；（3）对提取后的相位幅值信息数据计算短时能量曲线；（4）对短时能量曲线提取梯度变化曲线；（5）对步骤（4）的梯度变化曲线计算特征参数，根据参数范围判断当前数据是异常数据还是正常数据。2.根据权利要求1所述的基于物联网在线终端节点的局部放电快速识别方法，其特征在于，所述步骤（1）具体为：采集1秒局部放电脉冲数据序列X（i）。3.根据权利要求2所述的基于物联网在线终端节点的局部放电快速识别方法，其特征在于，所述步骤（2）具体为：对所述局部放电脉冲数据序列X（i）提取信号的相位幅值信息数据Y（i）。4.根据权利要求3所述的基于物联网在线终端节点的局部...

【专利技术属性】
技术研发人员：唐明，郭飞飞，梁建国，姚雀，
申请(专利权)人：珠海华网科技有限责任公司，
类型：发明
国别省市：