一种直流滤波器电容器开路故障定位方法及装置制造方法及图纸

本发明专利技术公开一种直流滤波器电容器开路故障定位方法及装置,其中，方法包括：步骤S1，采集直流滤波器电容器处于正常状态和开路故障状态下的原始电流数据；步骤S2，从所述原始电流数据中提取有效值，并进行归一化和主成分分析处理，提取能反映直流滤波器电容器运行状态的特征向量；步骤S3，将所述特征向量的一部分作为测试样本，输入至直流滤波器电容器开路故障定位模型中进行分类，实现直流滤波器电容器的开路故障定位，其中，所述直流滤波器电容器开路故障定位模型由所述特征向量的另一部分作为训练样本输入至概率神经网络中进行训练得到。得到。得到。

【技术实现步骤摘要】
一种直流滤波器电容器开路故障定位方法及装置


[0001]本专利技术涉及电力系统
，具体涉及一种直流滤波器电容器开路故障定位方法及装置。

技术介绍

[0002]直流滤波器可以滤除电网换相换流器在直流侧产生的特征谐波，减少其干扰邻近通信系统，造成直流设备发热和降低电网电能质量等不利影响。当直流滤波器电容器有部分电容元件发生开路故障后，与其并联的正常电容元件流过的电流将增大，进而减少正常电容元件的使用寿命，严重时会导致雪崩效应，使得更多的电容元件被损坏，从而危害直流滤波器甚至高压直流输电(High Voltage Direct Current，HVDC)系统的安全稳定运行，故应及时对电容器进行检修。在HVDC工程中，一般是通过人工逐个测量电容单元的电容值来排查电容器的故障，此种方法的检修效率不高，同时若电容放电不完全，可能会威胁检修人员的人身安全。
[0003]目前，对直流滤波器电容器开路故障定位问题的研究甚少。有学者利用不平衡支路电流、直流滤波器首端电流以及两条高压端桥臂支路电流在故障前后的幅值、方向的变化特征，来确定高压电容器的具体故障桥臂。还有学者采用两条低压端桥臂的支路电流和不平衡支路电流，计算得到两个相对电流值，利用相对电流值的阶跃变化将故障位置定位到高压电容器的具体桥臂。上述方法均较好地实现了高压电容器单个桥臂的开路故障定位，但当高压电容器的2个桥臂同时发生相同的开路故障时，上述方法没有考虑将故障位置定位至2个故障桥臂，同时也均没有考虑低压电容器的开路故障定位。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种直流滤波器电容器开路故障定位方法及装置，以提高开路故障检修效率，保证检修人员人身安全。
[0005]为解决上述技术问题，本专利技术提供一种直流滤波器电容器开路故障定位方法,包括：
[0006]步骤S1，采集直流滤波器电容器处于正常状态和开路故障状态下的原始电流数据；
[0007]步骤S2，从所述原始电流数据中提取有效值，并进行归一化和主成分分析处理，提取能反映直流滤波器电容器运行状态的特征向量；
[0008]步骤S3，将所述特征向量的一部分作为测试样本，输入至直流滤波器电容器开路故障定位模型中进行分类，实现直流滤波器电容器的开路故障定位，其中，所述直流滤波器电容器开路故障定位模型由所述特征向量的另一部分作为训练样本输入至概率神经网络中进行训练得到。
[0009]进一步地，所述开路故障包括高压电容器4个桥臂分别发生开路故障、高压电容器2个桥臂同时发生相同的开路故障、低压电容器发生开路故障。
[0010]进一步地，所述步骤S1采集得到的原始电流数据包括：直流滤波器首端电流互感器测得的电流i
h
(t)，直流滤波器高压电容器顶端左、右两侧电流互感器测得的桥臂支路电流i1(t)、i2(t)，直流滤波器高压电容器不平衡支路上的电流互感器测得的电流i
un
(t)，直流滤波器尾端电流互感器测得的电流i
w
(t)，低压电抗器支路上的电流互感器测得的电流i
l2
(t)，电阻器支路上的电流互感器测得的电流i
r
(t)，t为采样时刻。
[0011]进一步地，由i1(t)、i2(t)和i
un
(t)计算得到高压电容器底端左、右两侧的桥臂支路电流i3(t)、i4(t)：i3(t)＝i1(t)
‑
i
un
(t)，i4(t)＝i2(t)+i
un
(t)；由i
w
(t)、i
l2
(t)和i
r
(t)计算得到低压电容器的支路电流i
c2
(t)：i
c2
(t)＝i
w
(t)
‑
i
l2
(t)
‑
i
r
(t)。
[0012]进一步地，所述步骤S2中，对归一化处理后的数据使用主成分分析法提取所述特征向量，具体包括：
[0013]步骤S21，对归一化处理后的10维数据作标准化变换，得到标准化矩阵Z；
[0014]步骤S22，构造相关系数矩阵M，其中m为每维数据的样本个数：
[0015][0016]步骤S23，计算相关系数矩阵M的特征值λ
j
，其中λ1≥λ2≥
…
≥λ
10
，对应的特征向量为b
j
＝(b
1j
,b
2j
,
…
,b
10j
)
T
，其中j＝1,2,
…
,10；
[0017]步骤S24，求解主成分
[0018]U
j
＝Zb
j
[0019]其中，U
j
为第j主成分；
[0020]步骤S25，求取前l个主成分的累计方差贡献率η
Σ
(l)，选取需要的主成分，提取特征向量：
[0021][0022]进一步地，所述步骤S3中的概率神经网络由输入层、隐含层、求和层和输出层组成，其中，在对概率神经网络进行训练时，训练样本按照如下步骤进行处理：
[0023]首先，输入层接收训练样本X，同时将其输送给隐含层，该层有c个神经元，表示输入训练样本X的维数；
[0024]然后，隐含层将按照下式来计算训练样本X与每个直流滤波器电容器分类类别的匹配程度，该层为径向基层，有p个神经元，表示训练样本X的样本个数：
[0025][0026]其中，W
i
为输入层和隐含层之间的连接权值，其被设置为各类训练样本，δ是平滑因子；
[0027]接着，求和层将隐含层中属于同一分类类别的神经元的概率进行求和，得到故障类型概率密度函数估计式，如下式所示，该层有k个神经元，表示直流滤波器电容器运行状态总类别数：
[0028][0029]其中，p为训练样本维度，m1为属于分类类别1的训练样本个数，X
1i
为分类类别1的第i个训练样本；
[0030]输出层由k个竞争神经元组成，该层在求和层的输出中，找到最高概率对应的那个神经元，此神经元输出为1，即判断出所测数据属于此神经元对应的直流滤波器电容器运行状态类型，其余神经元输出为0；
[0031]最后将输出层的结果乘以向量[1,2,3,
…
,k]’
，即乘以每个神经元对应的分类类别数值，进而将输出层的结果转换成分类类别数值：
[0032]y＝max(f1,f2,
…
,f
k
)。
[0033]本专利技术还提供一种直流滤波器电容器开路故障定位装置,包括：
[0034]采集模块，用于采集直流滤波器电容器处于正常状态和开路故障状态下的原始电流数据；
[0035]特征向量提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种直流滤波器电容器开路故障定位方法,其特征在于，包括：步骤S1，采集直流滤波器电容器处于正常状态和开路故障状态下的原始电流数据；步骤S2，从所述原始电流数据中提取有效值，并进行归一化和主成分分析处理，提取能反映直流滤波器电容器运行状态的特征向量；步骤S3，将所述特征向量的一部分作为测试样本，输入至直流滤波器电容器开路故障定位模型中进行分类，实现直流滤波器电容器的开路故障定位，其中，所述直流滤波器电容器开路故障定位模型由所述特征向量的另一部分作为训练样本输入至概率神经网络中进行训练得到。2.根据权利要求1所述的方法，其特征在于，所述开路故障包括高压电容器4个桥臂分别发生开路故障、高压电容器2个桥臂同时发生相同的开路故障、低压电容器发生开路故障。3.根据权利要求2所述的方法，其特征在于，所述步骤S1采集得到的原始电流数据包括：直流滤波器首端电流互感器测得的电流i
h
(t)，直流滤波器高压电容器顶端左、右两侧电流互感器测得的桥臂支路电流i1(t)、i2(t)，直流滤波器高压电容器不平衡支路上的电流互感器测得的电流i
un
(t)，直流滤波器尾端电流互感器测得的电流i
w
(t)，低压电抗器支路上的电流互感器测得的电流i
l2
(t)，电阻器支路上的电流互感器测得的电流i
r
(t)，t为采样时刻。4.根据权利要求3所述的方法，其特征在于，由i1(t)、i2(t)和i
un
(t)计算得到高压电容器底端左、右两侧的桥臂支路电流i3(t)、i4(t)：i3(t)＝i1(t)
‑
i
un
(t)，i4(t)＝i2(t)+i
un
(t)；由i
w
(t)、i
l2
(t)和i
r
(t)计算得到低压电容器的支路电流i
c2
(t)：i
c2
(t)＝i
w
(t)
‑
i
l2
(t)
‑
i
r
(t)。5.根据权利要求4所述的方法，其特征在于，所述步骤S2中，对归一化处理后的数据使用主成分分析法提取所述特征向量，具体包括：步骤S21，对归一化处理后的10维数据作标准化变换，得到标准化矩阵Z；步骤S22，构造相关系数矩阵M，其中m为每维数据的样本个数：步骤S23，计算相关系数矩阵M的特征值λ
j
，其中λ1≥λ2≥
…
≥λ
10
，对应的特征向量为b
j
＝(b
1j
,b
2j
,
…
,b
10j
)
T
，其中j＝1,2,
…
,10；步骤S24，求解主成分U
j
＝Zb
j
其中，U
j
为第j主成分；步骤S25，求取前l个主成分的累计方差贡献率η
Σ
(l)，选取需要的主成分，提取特征向量：
6.根据权利要求5所述的方法，其特征在于，所述步骤S3中的概率神经网络由输入层、隐含层、求和层和输出层组成，其中，在对概率神经网络进行训练时，训练样本按照如下步骤进行处理：首先，输入层接收训练样本X，同时将其输送给隐含层，该层有c个神经元，表示输入训练样本X的维数；然后，隐含层将按照下式来计算训练样本X与每个直流滤波器电容器分类类别的匹配程度，该层为径向基层，有p个神经元，表示训练样本X的样本个数：其中，W
i
为输入层和隐含层之间的连接权值，其被设置为各类训练样本，δ是平滑因子；接着，求和层将隐含层中属于同一分类类别的神经元的概率进行求和，得到故障类型概率密度函数估计式，如下式所示，该层有k个神经元，表示直流滤波器电容器运行状态总类别数：其中，p为训练样本维度，m1为属于分类类别1的训练样本个数，X
1i
为分类类别1的第i个训练样本；输出层由k个竞争神经元组成，该层在求和层的输出中，找到...

【专利技术属性】
技术研发人员：黄楷敏，池方仁，严亮，廖伟兴，陈龙，方大川，沈洪，赖振宇，徐剑冰，魏琨选，高德民，戈兴祥，姚志俊，徐刚，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：