導(dǎo)層、 屏蔽層流經(jīng)地線(xiàn)時(shí)會(huì)在周?chē)臻g產(chǎn)生瞬變磁場(chǎng)。將HFCT高頻電流傳感器套在地線(xiàn)上通過(guò)感 應(yīng)脈沖電流流經(jīng)地線(xiàn)時(shí)產(chǎn)生的瞬變磁場(chǎng)來(lái)檢測(cè)局放。
[0027]信號(hào)綜合處理
[0028] 在信號(hào)聯(lián)合采集模塊中通過(guò)四個(gè)傳感器對(duì)局放信號(hào)進(jìn)行檢測(cè)，并通過(guò)示波器記錄 每個(gè)放電脈沖的時(shí)域波形，波形上的每一個(gè)點(diǎn)都會(huì)對(duì)應(yīng)一個(gè)時(shí)間和幅值。不同類(lèi)型故障的 放電對(duì)應(yīng)不同的時(shí)域脈沖波形，通過(guò)對(duì)這些脈沖波形的分析，提取5個(gè)表征放電強(qiáng)度的統(tǒng)計(jì) 特征參數(shù)，包括脈沖上升時(shí)間t r、下降時(shí)間td、50 %幅值脈沖持續(xù)時(shí)間t5Q%、10 %幅值脈沖持 續(xù)時(shí)間t1Q%、脈沖總持續(xù)時(shí)間ttcltal。結(jié)合圖1可得5個(gè)表征放電強(qiáng)度的統(tǒng)計(jì)特征參數(shù)的計(jì)算 公式如下：
[0029] tr = T3-T0 (1)
[0030] td = T6-T3 (2)
[0031] t5〇% = T4-T2 (3)
[0032] tio% = T5-Tl (4)
[0033] tt〇tai = T6-T0 (5)
[0034] 不管是現(xiàn)場(chǎng)還是實(shí)驗(yàn)室周?chē)h(huán)境中都存在這各種各樣無(wú)法預(yù)測(cè)的干擾和噪音信 號(hào)，這些無(wú)法預(yù)知的干擾和噪聲常常對(duì)后期的特征提取及故障類(lèi)型識(shí)別產(chǎn)生巨大的影響。 采用相應(yīng)的帶通濾波器將特定頻率的干擾及噪聲信號(hào)濾除掉，由于傳感器采集到的局放信 號(hào)很微弱，所以在預(yù)處理中還加了信號(hào)放大作用。經(jīng)過(guò)處理后的信號(hào)我們?cè)賹?duì)其進(jìn)行更進(jìn) 一步地分析與特征提取，為接下來(lái)的故障類(lèi)型識(shí)別做好充分的準(zhǔn)備。在現(xiàn)場(chǎng)檢測(cè)中，影響局 部放電的干擾大致可以分為窄帶干擾、白噪聲干擾和脈沖型干擾。針對(duì)這三種類(lèi)型的干擾， 分別采用基于FFT的窄帶干擾抑制算法、基于小波的消噪算法和基于神經(jīng)網(wǎng)絡(luò)(NN)的濾波 算法對(duì)信號(hào)進(jìn)行處理。在大量模型實(shí)驗(yàn)和實(shí)際數(shù)據(jù)測(cè)試的基礎(chǔ)上，本發(fā)明方法提取出電纜 故障所產(chǎn)生的局部放電各種類(lèi)型的特征參數(shù)，構(gòu)建各種缺陷對(duì)應(yīng)的局部放電指紋特征庫(kù)。5

方差σ2= Σ (Χ?-μ)2ρ?，
，5種缺陷包括線(xiàn)芯毛刺、主絕緣割傷、半 導(dǎo)電層翹起、絕緣內(nèi)部存在氣隙、主絕緣表面存在導(dǎo)電微粒。
[0035] 直接由局部放電的寬頻時(shí)域數(shù)據(jù)可以提取出若干表征放電強(qiáng)度的統(tǒng)計(jì)特征參數(shù)， 通過(guò)這些特征參數(shù)可以對(duì)局部放電進(jìn)行趨勢(shì)分析，結(jié)合局部放電的相位分布圖譜，可以檢 測(cè)提取出表征局部放電類(lèi)型的相位，最后再通過(guò)這些特征參數(shù)進(jìn)行故障類(lèi)型識(shí)別。
[0036]故障智能識(shí)別
[0037]不同的故障類(lèi)型將會(huì)產(chǎn)生不同的放電，故障智能識(shí)別是將之前信號(hào)綜合處理所提 取的特征參數(shù)與已有故障類(lèi)型數(shù)據(jù)庫(kù)的特征參數(shù)進(jìn)行自行匹配識(shí)別，進(jìn)而確定故障的類(lèi)型 及大小。
[0038]本發(fā)明方法計(jì)采用兩種智能分類(lèi)識(shí)別算法:ΒΡ神經(jīng)網(wǎng)絡(luò)分類(lèi)識(shí)別、ELM極限學(xué)習(xí)機(jī) 分類(lèi)識(shí)別，每種方法的識(shí)別結(jié)果都會(huì)進(jìn)行時(shí)時(shí)對(duì)比存儲(chǔ)，以便后續(xù)調(diào)用。采用BP神經(jīng)網(wǎng)絡(luò)進(jìn) 行識(shí)別首先是創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)，在創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)之前需要確定網(wǎng)絡(luò)的結(jié)構(gòu)，即需要確定 以下幾個(gè)參數(shù):輸入變量個(gè)數(shù)、隱含層及各層神經(jīng)元個(gè)數(shù)、輸出變量個(gè)數(shù)。本發(fā)明中輸入則 為相應(yīng)的特征參數(shù)，輸出為故障類(lèi)型的相應(yīng)代碼。在進(jìn)行識(shí)別前，先用已有的特征數(shù)據(jù)庫(kù)對(duì) 網(wǎng)絡(luò)進(jìn)彳丁訓(xùn)練，使網(wǎng)絡(luò)的性能達(dá)到最優(yōu)，以便于提尚最終的識(shí)別精度。
[0039] ELM極限學(xué)習(xí)機(jī)分類(lèi)識(shí)別算法隨機(jī)產(chǎn)生輸入層與隱含層間的連接權(quán)值及隱含層神 經(jīng)元的閾值，且在網(wǎng)絡(luò)訓(xùn)練過(guò)程中無(wú)需調(diào)整，只需要設(shè)置隱含層神經(jīng)元的個(gè)數(shù)比可使該算 法的性能達(dá)到最優(yōu)。每一階段識(shí)別結(jié)果會(huì)用扇形圖進(jìn)行統(tǒng)計(jì)，將可能出現(xiàn)的每一種故障的 比例清楚顯示出來(lái)并進(jìn)行記錄，確定最終的故障類(lèi)型及大小。
[0040]以上兩種識(shí)別算法在進(jìn)行故障識(shí)別之前都需要用已有的數(shù)據(jù)庫(kù)對(duì)其進(jìn)行訓(xùn)練、測(cè) 試、驗(yàn)證，使其性能達(dá)到最優(yōu)，提高最終故障類(lèi)型及大小判斷的準(zhǔn)確性。本發(fā)明方法采用兩 種故障智能識(shí)別方法進(jìn)行對(duì)比識(shí)別來(lái)確定最終的識(shí)別結(jié)果，首先對(duì)采集的信號(hào)進(jìn)行處理分 析，其次采用兩種識(shí)別方法同時(shí)識(shí)別，再將識(shí)別結(jié)果進(jìn)行對(duì)比分析得出最終結(jié)果與電纜的 運(yùn)行檢測(cè)方法進(jìn)行匹配，提出相應(yīng)的剩余壽命預(yù)估和修復(fù)方案。
【主權(quán)項(xiàng)】
1. 一種高壓電力電纜故障識(shí)別方法，其特征在于，包括信號(hào)聯(lián)合采集、信號(hào)綜合處理和 故障智能識(shí)別，具體為： 信號(hào)聯(lián)合采集:采用UHF超高頻傳感器對(duì)局部放電產(chǎn)生的電磁暫態(tài)和電磁波進(jìn)行采集， 采用壓電式AE超聲波傳感器對(duì)局部放電產(chǎn)生的超聲波信號(hào)進(jìn)行采集，采用TEV地電波傳感 器對(duì)局部放電產(chǎn)生的地電波進(jìn)行采集，采用HFCT高頻電流傳感器對(duì)局部放電產(chǎn)生的瞬變磁 場(chǎng)進(jìn)行義集； 信號(hào)綜合處理:在信號(hào)聯(lián)合采集過(guò)程中通過(guò)四個(gè)傳感器對(duì)局部放電信號(hào)進(jìn)行檢測(cè)，并 通過(guò)示波器記錄每個(gè)放電脈沖的時(shí)域波形，波形上的每一個(gè)點(diǎn)都會(huì)對(duì)應(yīng)一個(gè)時(shí)間和幅值， 提取5個(gè)表征放電強(qiáng)度的統(tǒng)計(jì)特征參數(shù)，包括脈沖上升時(shí)間心、下降時(shí)間td、50%幅值脈沖持 續(xù)時(shí)間t日日％、10 %幅值脈沖持續(xù)時(shí)間tio%、脈沖總持續(xù)時(shí)間ttotal，通過(guò)運(yùn)些特征參數(shù)對(duì)局部 放電進(jìn)行趨勢(shì)分析，結(jié)合局部放電的相位分布圖譜，檢測(cè)提取出表征局部放電類(lèi)型的相位； 還包括提取出電纜故障所產(chǎn)生的局部放電的特征參數(shù)，包括平均值，方差，放電不對(duì)稱(chēng) 度，構(gòu)建缺陷所對(duì)應(yīng)的局部放電指紋特征庫(kù)，所述缺陷包括線(xiàn)忍毛刺、主絕緣 割傷、半導(dǎo)電層翅起、絕緣內(nèi)部存在氣隙、主絕緣表面存在導(dǎo)電微粒； 故障智能識(shí)別：將提取的時(shí)頻特征參數(shù)分批送入兩種智能算法中進(jìn)行自行匹配識(shí)別， 兩種智能識(shí)別算法為BP神經(jīng)網(wǎng)絡(luò)分類(lèi)識(shí)別和ELM極限學(xué)習(xí)機(jī)分類(lèi)識(shí)別，對(duì)兩種智能識(shí)別算 法的識(shí)別結(jié)果進(jìn)行時(shí)時(shí)對(duì)比匯總，進(jìn)而確定故障的類(lèi)型及大小。2. 如權(quán)利要求1所述的高壓電力電纜故障識(shí)別方法，其特征在于，在故障智能識(shí)別中， 還包括用已有的故障類(lèi)型數(shù)據(jù)庫(kù)對(duì)兩種智能識(shí)別算法進(jìn)行訓(xùn)練，W提高兩種智能識(shí)別算法 的性能。3. 如權(quán)利要求1所述的高壓電力電纜故障識(shí)別方法，其特征在于，所述UHF超高頻傳感 器的信號(hào)接收天線(xiàn)為希爾伯特分形天線(xiàn)。4. 如權(quán)利要求1所述的高壓電力電纜故障識(shí)別方法，其特征在于，在對(duì)信號(hào)進(jìn)行特征提 取之前，還包括將采集到的信號(hào)用帶通濾波器去除干擾信號(hào)及噪聲信號(hào)，之后再將去噪后 的信號(hào)進(jìn)行放大的步驟。5. 如權(quán)利要求4所述的高壓電力電纜故障識(shí)別方法，其特征在于，去除干擾信號(hào)的步驟 具體為:采用基于FFT的窄帶干擾抑制算法去除窄帶干擾，采用基于小波的消噪算法去除白 噪聲干擾，采用基于神經(jīng)網(wǎng)絡(luò)的濾波算法去除脈沖型干擾信號(hào)。6. 如權(quán)利要求1所述的高壓電力電纜故障識(shí)別方法，其特征在于，采用BP神經(jīng)網(wǎng)絡(luò)分類(lèi) 識(shí)別和ELM極限學(xué)習(xí)機(jī)分類(lèi)識(shí)別進(jìn)行識(shí)別時(shí)，識(shí)別結(jié)果都會(huì)進(jìn)行時(shí)時(shí)對(duì)比存儲(chǔ)。7. 如權(quán)利要求1至6任一項(xiàng)所述的高壓電力電纜故障識(shí)別方法，其特征在于，在進(jìn)行識(shí) 別之前，先用已有的特征數(shù)據(jù)庫(kù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、測(cè)試和驗(yàn)證，優(yōu)化網(wǎng)絡(luò)性能。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種高壓電力電纜故障識(shí)別方法，信號(hào)聯(lián)合采集：用UHF超高頻傳感器對(duì)電磁暫態(tài)和電磁波進(jìn)行采集，用壓電式AE超聲波傳感器對(duì)超聲波信號(hào)進(jìn)行采集，用TEV地電波傳感器對(duì)地電波進(jìn)行采集，用HFCT高頻電流傳感器對(duì)瞬變磁場(chǎng)進(jìn)行采集；信號(hào)綜合處理：由局部放電的寬頻時(shí)域數(shù)據(jù)提取出若干表征放電強(qiáng)度的統(tǒng)計(jì)特征參數(shù)，提取出電纜故障所產(chǎn)生的局部放電各種類(lèi)型的特征參數(shù)，構(gòu)建各種缺陷對(duì)應(yīng)的局部放電指紋特征庫(kù)；故障智能識(shí)別：將提取的時(shí)頻特征參數(shù)分批送入兩種智能識(shí)別算法中進(jìn)行自行匹配識(shí)別，對(duì)兩中先進(jìn)算法的識(shí)別結(jié)果進(jìn)行時(shí)時(shí)對(duì)比匯總，進(jìn)而確定故障的類(lèi)型及大小。本發(fā)明檢測(cè)安全，故障識(shí)別迅速準(zhǔn)確，可集成化。
【IPC分類(lèi)】G01R31/12
【公開(kāi)號(hào)】CN105548832
【申請(qǐng)?zhí)枴緾N201510909715
【發(fā)明人】劉凡, 張安安, 楊琳, 何聰, 譚少誼, 吳馳, 徐洋濤, 楊永龍, 鄧亞文
【申請(qǐng)人】國(guó)網(wǎng)四川省電力公司電力科學(xué)研究院, 西南石油大學(xué), 成都中安電氣有限公司, 國(guó)家電網(wǎng)公司
【公開(kāi)日】2016年5月4日
【申請(qǐng)日】2015年12月10日