[发明专利]一种局部放电时延计算误差补偿方法及局部放电定位系统

说明书

技术领域

本发明涉及电力设备监控领域，尤其涉及一种局部放电时延计算误差补偿方法及局部放电定位系统。

背景技术

局部放电是引起电力设备绝缘故障的主要原因之一。在电力设备投入运行后，绝缘劣化的存在往往会导致局部放电的发生，而局部放电反过来会加剧绝缘劣化的程度，甚至会导致绝缘击穿，形成恶性循环，进而导致重大事故的发生。对局部放电的放电源位置进行定位，可以及时地发现电力设备的故障位置，提高检修的效率，有效避免重大事故的发生，并且可以有效节约人力成本，因此局部放电的准确定位有重大意义。

基于特高频(UHF)信号的定位法具有抗干扰性强、灵敏度高、可远距离检测等优点，近年来已被国内外学者广泛研究。基于特高频信号的定位法是通过若干传感器分别采集放电源发出的特高频局部放电信号，基于时延算法计算各个传感器接收到的特高频局部放电信号之间的时延值，然后基于时延值确定放电源位置坐标，因此时延值的计算准确度将大大影响到局部放电的定位准确度。

传统的时延统计算法主要有阈值法、能量积累法和相关估计法等。为了在传统算法的基础上进一步提高定位准确度，一些改进型算法相继被提出，如双谱估计算法、高阶统计量法、插值相关法等，但是这些算法依旧受限于采样精度和现场干扰的影响，实际使用效果不佳，所得时延值准确度不高，从而导致局部放电定位的准确度也不高。

发明内容

本发明的目的之一是提供一种局部放电时延计算误差补偿方法，其能够补偿局部放电时延的计算误差，提高时延值准确度。

基于上述目的，本发明提供了一种局部放电时延计算误差补偿方法，其包括步骤：

(1)采集放电源位置已知的若干样本局部放电信号，基于时延算法计算相应的样本时延值；

(2)基于所述已知的放电源位置计算所述若干样本局部放电信号的理论时延值；

(3)以所述样本时延值为样本输入，以所述理论时延值为期望输出训练一个神经网络；

(4)采集放电源位置待定的局部放电信号，基于时延算法计算相应的初步时延值；

(5)将所述初步时延值输入所述神经网络，所述神经网络补偿所述初步时延值的误差，输出最终时延值。

本发明所述的局部放电时延计算误差补偿方法，其采用与现有技术中的对时延算法作进一步改进完全不同的构思，即利用神经网络学习并模拟局部放电信号的时延计算误差分布，构建时延误差补偿曲面，通过神经网络补偿初步时延值的误差，从而提高时延值准确度。

所述神经网络优选RBF(径向基)神经网络，其能够全局无限逼近非线性误差函数，并且网络结构简单，高度容错，训练快速易行，非常适合应用于数据误差修正。

本发明所述的局部放电时延计算误差补偿方法可以用于局部放电定位系统的时延值计算，从而提高局部放电定位系统的时延值准确度，进而提高局部放电定位系统的定位准确度。

进一步地，本发明所述的局部放电时延计算误差补偿方法中，所述步骤(1)和步骤(4)中的时延算法为同一时延算法。

进一步地，本发明所述的局部放电时延计算误差补偿方法中，所述时延算法包括阈值法、能量积累法、相关估计法、双谱估计算法、高阶统计量法以及插值相关法中的至少其中之一。

进一步地，本发明所述的局部放电时延计算误差补偿方法中，通过固定位于不同位置的若干传感器采集局部放电信号。

更进一步地，上述局部放电时延计算误差补偿方法中，所述若干传感器为特高频传感器。

更进一步地，上述局部放电时延计算误差补偿方法中，所述若干传感器的数量为四个。

更进一步地，上述局部放电时延计算误差补偿方法中，所述时延值为四维向量。

上述方案中，在四个传感器的两两组合中选择四种组合，该四种组合对应同一个放电源的四个时延值以四维向量的形式表述。

更进一步地，上述局部放电时延计算误差补偿方法中，所述神经网络包括RBF神经网络，其中RBF神经网络的输入节点个数为4，输出节点个数为4。

上述方案中，由于时延值为四维向量，因此RBF神经网络的输入节点和输出节点个数均为4。

进一步地，本发明所述的局部放电时延计算误差补偿方法中，所述神经网络包括RBF神经网络。

更进一步地，上述局部放电时延计算误差补偿方法中，所述RBF神经网络的基函数为高斯函数。

本发明的另一目的是提供一种局部放电定位系统，其能够提高局部放电定位准确度。