[发明专利]一种电力设备局部放电模式识别方法、装置及系统

说明书

技术领域

本发明涉及电力监测技术领域，尤其是一种电力设备局部放电模式识别方法、装置及系统。

背景技术

在电力系统中，电力设备尤其是高压设备的绝缘缺陷检测对提高电力系统的安全运行至关重要。当高压设备出现绝缘缺陷时，往往会出现局部放电现象。局部放电指的是高压设备中绝缘介质局部区域发生放电，但该放电并未贯穿施加电压的导体之间的现象。局部放电信号虽微弱，但其却包含大量的绝缘缺陷信息，通过对局部放电信号进行模式识别，可以确定引发此局部放电的绝缘缺陷类型。

目前，电力设备局部放电模式识别的方法主要是，需要两路信号通道，分别采集电力设备的工频高压信号及局部放电信号，通过跟踪该工频高压信号的相位以标定局放信号对应的具体工频相位，进而对放电模式进行识别。

然而，上述模式识别方法中两路电压信号的采集过程复杂且成本较高，另外，对工频高压信号的采集需要靠近甚至接触高压母线，具有较高的危险性。

发明内容

有鉴于此，本申请提供了一种电力设备局部放电模式识别方法、装置及系统，用以解决现有技术中的模式识别方法中两路电压信号的采集过程复杂、成本较高且危险性较大的技术问题。为实现所述发明目的，本发明提供的技术方案如下：

一种电力设备局部放电模式识别方法，包括：

获取预设工频周期内电力设备的局部放电信号；

将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；

对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；

依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。

上述方法，优选地，所述局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。

上述方法，优选地，所述预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。

上述方法，优选地，所述获取预设工频周期内电力设备的局部放电信号，包括：

随机确定获取起始时间点；

以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。

本申请还提供了一种电力设备局部放电模式识别装置，包括：

放电信号获取单元，用于获取预设工频周期内电力设备的局部放电信号；

放电信息统计单元，用于将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；

特征向量获得单元，用于对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；

放电模式识别单元，用于依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。

上述装置，优选地，所述放电信息统计单元统计的局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。

上述装置，优选地，所述放电模式识别单元依据的预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。

上述装置，优选地，所述放电信号获取单元包括：

起始时间点确定子单元，用于随机确定获取起始时间点；

放电信号获取子单元，用于以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。

本申请还提供了一种电力设备局部放电模式识别系统，包括：局部放电检测装置及如上述任意一种电力设备局部放电模式识别装置；其中：

所述局部放电检测装置，用于采集电力设备产生的局部放电信号；

所述电力设备局部放电模式识别装置，用于获取所述局部放电检测装置采集的预设工频周期内电力设备的局部放电信号，将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息，对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量，并依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。

上述系统，优选地，所述局部放电检测装置包括：依次相连的传感器、滤波放大电路、数字采集电路及上位机。

与现有技术相比，本申请具有如下有益效果：

本申请只需获取预设工频周期内电力设备的局部放电信号，与现有技术中需要采集两路信号即工频电压信号及局部放电信号相比，本发明实施例中，不必获取工频高压信号，因此，不仅可以减少信号采集的复杂性及成本，而且可避免接近高压母线带来的危险，提高了放电模式识别的安全性。