一种开关柜绝缘劣化诊断方法技术

技术编号：44731367 阅读：0 留言：0更新日期：2025-03-21 17:55

本发明专利技术涉及开关柜故障诊断技术领域，特别涉及一种开关柜绝缘劣化诊断方法。所述方法包括：获取开关柜的特征气体的特征数据；以BP神经网络模型诊断特征气体的特征数据。若BP神经网络模型诊断为具体劣化故障类别时，以该劣化故障类别作为诊断结果；若BP神经网络模型诊断为易误判劣化故障时，根据组成易误判劣化故障的组成，拍摄开关柜对应位置图像数据进行图像数据诊断，获取诊断结果。两种及上不同的绝缘少化故障由于放电量不同，可能出现特征气体成分和浓度相似的情况，本发明专利技术针对该情况，特别设计了独特的诊断结果标识，可显著提高诊断准确性。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及开关柜故障诊断，特别涉及一种开关柜绝缘劣化诊断方法。

技术介绍

1、开关柜是电力系统运行中必不可少，且数量量极多基础设备。当开关柜频繁出现故障时，电网的稳定运行就受到了挑战，因此如何保证开关柜长时间安全运行成了必需解决的技术问题。

2、开关柜出现劣化放电故障时，内部会产生如o3、no、no2、n2o等故障特征气体，不同绝缘劣化故障如电晕放电、沿面放电、气隙放电和悬浮放电等，放电的大小和位置均有不同，导致特征气体的成分和含量也有区别。目前，通过分析特征气体的成分和含量有可能大概判别出开关柜绝缘劣化故障的种类，常用手段是深度学习算法或数据特征分析算法。

3、其不足在于：1、特征分析算法需要大量人工数据分析和处理，针对不同环境不同开关柜均不通用，费时费力通用性差。2、深度学习算法虽然可以自主学习，通用性强且省时省力，但对于有相似特征气体的劣化故障无法准确分辨，诊断精准度无法保证。

技术实现思路

1、本专利技术公开了一种开关柜绝缘劣化诊断方法具体方法如下：

2、获取开关柜的特征气体的特征数据；

3、以bp神经网络模型诊断特征气体的特征数据；

4、若bp神经网络模型诊断为具体劣化故障类别时，以该劣化故障类别作为诊断结果；

5、若bp神经网络模型诊断为易误判劣化故障时，获取组成易误判劣化故障的组成；根据组成易误判劣化故障的组成，拍摄开关柜对应位置图像数据；以cnn卷积神经网络模型诊断图像数据，获取诊断结果。</p>

6、该实施例的优点在于，两种及上不同的绝缘少化故障由于放电量不同，可能出现特征气体成分和浓度相似的情况，该bp神经网络针对该情况，特别设计了独特的诊断结果标识，可显著提高诊断准确性。

7、进一步地，特征气体成分和浓度。

8、进一步地，具体劣化故障类别包括：

9、电晕放电、沿面放电、气隙放电和悬浮放电。

10、进一步地，构建bp神经网络模型，具体方法如下：

11、对目标开关柜进行绝缘劣化试验记录试验数据，对处理试验数据进行分类处理，获取训练数据；

12、初始化bp神经网络模型；

13、以训练数据训练bp神经网络模型。

14、进一步地，初始化bp神经网络模型，具体方法如下：

15、设置输入层节点数、隐含层节点数、输出层节点数、输入层到隐含层权重、隐含层到输出层权重、输入层到隐含层偏置、隐含层到输出层偏置、学习速率和激励函数。

16、进一步地，对处理试验数据进行分类处理，获取训练数据，具体方法如下：

17、针对不同绝缘劣化故障，以等间隔放电量进行放电，记录下每种绝缘劣化故障每个等级库化放电时的特征气体成分和浓度，以特征气体成分和浓度数据构建故障特征数组；

18、采用聚类算法，对故障特征数组进行聚类，划分为若干相似故障区间；

19、以每个相似故障区间中心划出预设距离，将预设距离范围内归属于同一相似故障区间的故障特征数组归为易误判劣化故障，并标注该易误判劣化故障组成；

20、相似故障区间预设距离之外的故障特征数组标注对应的劣化故障类别；

21、以每个易误判劣化故障对应故障特征数组的平均值，以及每个劣化故障类别对应故障特征数组，构建训练数据。

22、该实施例的优点在于，通过聚类算法将易判断错误的劣化故障划分为同一区间，进行统一备注，显著降低了误判的可能性。

23、进一步地，当易误判劣化故障组成为电晕放电和沿面放电时，拍摄图像数据的位置在电缆、套管和绝缘子表面；

24、当易误判劣化故障组成为电晕放电和气隙放电时，拍摄图像数据的位置在柜体内表面；

25、当易误判劣化故障组成为电晕放电和悬浮放电时，拍摄图像数据的位置在接地零件处；

26、当易误判劣化故障组成为沿面放电和气隙放电时，拍摄图像数据的位置在电缆、套管和绝缘子表面；

27、当易误判劣化故障组成为沿面放电和悬浮放电时，拍摄图像数据的位置在接地零件处；

28、当易误判劣化故障组成为气隙放电和悬浮放电时，拍摄图像数据的位置在接地零件处。

29、该实施例的优点在于，针对四种劣化放电的特性，确定拍摄图像数据的确切位置，可以通过图像识别完成易误判劣化故障的进一步诊断，显著提高诊断准确率。

30、进一步地，cnn卷积神经网络模型，构建方法如下：

31、确定输入数据和输出数据；

32、确定隐藏层及每层的神经元数量；

33、初始化权重；

34、设置激活函数和损失函数；

35、添加优化器；

36、训练cnn卷积神经网络。

37、本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书实现和获得。

本文档来自技高网...

【技术保护点】

1.一种开关柜绝缘劣化诊断方法，其特征在于，具体方法如下：

2.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，所述特征气体的特征数据包括：特征气体成分和浓度。

3.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，具体劣化故障类别包括：

4.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，构建BP神经网络模型，具体方法如下：

5.如权利要求4所述的开关柜绝缘劣化诊断方法，其特征在于，初始化BP神经网络模型，具体方法如下：

6.如权利要求4所述的开关柜绝缘劣化诊断方法，其特征在于，对处理试验数据进行分类处理，获取训练数据，具体方法如下：

7.如权利要求3所述的开关柜绝缘劣化诊断方法，其特征在于，当易误判劣化故障组成为电晕放电和沿面放电时，拍摄图像数据的位置在电缆、套管和绝缘子表面；

8.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，CNN卷积神经网络模型，构建方法如下：

【技术特征摘要】

1.一种开关柜绝缘劣化诊断方法，其特征在于，具体方法如下：

2.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，所述特征气体的特征数据包括：特征气体成分和浓度。

3.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，具体劣化故障类别包括：

4.如权利要求1所述的开关柜绝缘劣化诊断方法，其特征在于，构建bp神经网络模型，具体方法如下：

5.如权利要求4所述的开关柜绝缘劣化诊断方法，其特...

【专利技术属性】
技术研发人员：常家宁，胡宗军，姚远，周渠，张宇，曾文，陈彦润，谭红，王璨，邹宇，罗维，刘晓峰，
申请(专利权)人：国网重庆市电力公司长寿供电分公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人