[发明专利]一种电气设备油中局部放电超声直达波识别方法

说明书

技术领域

本发明涉及一种用于检测电气设备油中局部放电超声直达波的方法，属于检测技术领域。

背景技术

局部放电的检测与精确定位对于及时发现电气设备内部的潜在绝缘缺陷、保证电力系统的安全稳定运行具有重要意义。

局部放电的检测方法有多种，超声波法因具有原理简单、定位方便等优点，已得到广泛应用。但因为传统超声波传感器不能有效检测经过电气设备内部介质复杂传播后的局部放电超声波信号，因此相关研究中采用具有强干扰抑制能力和高空间分辨能力的超声阵列传感器代替单个超声传感器，利用阵列信号处理技术实现局部放电的准确定位。

研究表明，当阵列传感器接受到的信号为直达（单一路径）信号时，可以对局放源进行准确定位，但是当接收到的信号为混叠（多路径）信号时，由于混叠信号不能准确反映局放源的空间位置信息，将会导致定位精度和可靠性下降，甚至产生虚假定位。因此，有效识别超声直达波与混叠波信号是局放定位成功与否的关键。

现有研究大多直接采集局放超声信号，然后根据时延、幅值等信息判断信号是否为直达波，由于该方法未从机理上分析局放超声直达波与混叠波信号的产生过程，且判断带有一定的主观片面性，因此无法准确识别电气设备油中的局部放电超声直达波。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种电气设备油中局部放电超声直达波识别方法，以实现局部放电超声直达信号的有效识别。

本发明所述问题是以下述技术方案实现的：

一种电气设备油中局部放电超声直达波识别方法，所述方法首先对测得的电气设备油中局部放电超声信号进行处理，并提取可以区分局放超声直达波与混叠波的特征参量，然后将这特征参量数据作为经仿真数据训练后的BP(Back Propagation)人工神经网络的输入量，利用BP人工神经网络判断该超声信号是直达波还是混叠波。

上述电气设备油中局部放电超声直达波识别方法，采用仿真数据对BP人工神经网络进行训练的步骤如下：

a、通过分析模拟局放超声信号在模拟油箱中的折反射问题、衰减问题和传播路径问题，建立电气设备油中局放超声直达波与混叠波的模型：

直达波表示为：

 

    其中，表示直达波声压，为波形系数，为直达波传播距离，为纵波衰减系数，为横波衰减系数，为钢板厚度，和分别为纵波和横波的折射角，为纵波的折射系数，为横波的折射系数， 为声压初值， 为角频率；

混叠波表示为：

    其中，为混叠波声压，为反射波声压，和分别为纵波和横波的反射角，分别表示折射波、反射波的传播距离，为纵波的反射系数，为纵波的折射系数，为横波的折射系数，为传感器接收到的反射波相对直达波的时延；

b、提取模拟局放超声直达信号的峰值因数、分形盒维数以及李雅普指数作为区分直达波和混叠波的特征参量；

① 峰值因数

对于脉冲波形的时域数据序列，=1,2，……，m，取其最大值为峰值，则峰值因数定义为：

其中为均方根值；

② 分形盒维数

假设离散时间序列是非空集，为采样的时间间隔，首先将离散时间序列归一化得到单位正方形区域，即：

取栅格大小为，在区间内，覆盖的最小正方形数目为：

，

因此在[0,1]内覆盖的总正方形数目为：

，

通过对特征区间内的求正方形的总数，并利用最小二乘法得到的直线的斜率即为分形盒维数；

 ③ 李雅普指数

假设为上的可微、连续映射，系统的状态方程满足迭代方程：，

令为的雅克比矩阵，即：

那么Lyapunov指数可以表示为：

，

c、利用从局放超声直达波与混叠波的模型提取的多组特征数据对BP人工神经网络进行训练。

上述电气设备油中局部放电超声直达波识别方法，所述在BP人工神经网络的训练过程中，BP人工神经网络使用Sigmoid函数作为传输函数。

本发明以局部放电超声信号的峰值因数、分形盒维数和最大李雅普指数作为特征参量，并将它们与BP人工神经网络相结合，实现了局部放电超声直达信号的有效识别，很好地解决了传统方法无法准确判别局放信号是否为直达波的问题，为油中局放的准备定位奠定了基础。

附图说明

下面结合附图对本发明作进一步说明。

图1为本发明中的油中局放超声波初始模拟信号；