[发明专利]一种基于多神经网络的局部放电时延计算误差补偿方法

说明书

技术领域

本发明涉及电力设备监控领域，尤其涉及一种基于多神经网络的局部放电时延计算误差补偿方法及基于多神经网络的局部放电定位系统。

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基于多神经网络的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，本发明提供了一种基于多神经网络的局部放电时延计算误差补偿方法，其包括步骤：

(1)将局部放电信号测量范围内的空间划分为多个空间区域；

(2)采集分布在所述多个空间区域内的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；

(3)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；

(4)分别对应所述多个空间区域训练多个神经网络，其中每个神经网络以其对应的空间区域相应的所述样本时延值为样本输入，以其对应的空间区域相应的所述理论时延值为期望输出进行训练；

(5)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，并基于该初步时延值确定所述局部放电信号的初步放电源位置；

(6)将所述初步时延值输入所述初步放电源位置对应的所述神经网络，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。

本发明所述的基于多神经网络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。此外，本发明还将局部放电信号测量范围内的空间划分为多个空间区域，针对每个空间区域单独训练相应的神经网络。

所述步骤(6)中，本方法可以基于已有的定位系统进行误差补偿，对于空间中的局部放电，定位系统首先会计算出初步的定位结果，并根据该初步的定位结果选择相应空间区域对应的神经网络进行误差补偿。

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。局部放电信号时差值的误差是复杂的非线性函数，RBF(径向基)神经网络是一种前向网络，能够以任意精度拟合非线性函数；与BP神经网络相比，不会陷入拟合到局部最优解的问题；同时由于RBF神经网络结构紧凑，易于构造，训练速度块，更适合在工程实践中应用。因此本发明优选RBF神经网络进行误差修正。

本发明所述的基于多神经网络的局部放电时延计算误差补偿方法可以用于基于多神经网络的局部放电定位系统的时延值计算，从而提高基于多神经网络的局部放电定位系统的时延值准确度，进而提高基于多神经网络的局部放电定位系统的定位准确度。

进一步地，本发明所述的基于多神经网络的局部放电时延计算误差补偿方法中，所述步骤(2)和步骤(5)中的时延算法为同一时延算法。

进一步地，本发明所述的基于多神经网络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，本发明所述的基于多神经网络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。