[发明专利]基于GA-BP神经网络开关柜绝缘缺陷检测方法及系统

说明书

本发明公开了一种基于GA‑BP神经网络开关柜绝缘缺陷检测方法及系统，所述开关柜为空气开关柜，该方法包括如下步骤：建立训练数据集，所述训练数据集包括正常工作时空气开关柜内气体种类及含量数据，以及在不同绝缘缺陷类型下发生局部放电时空气开关柜内气体种类及含量数据；构建GA‑BP神经网络模型；利用所述训练数据集对GA‑BP神经网络模型进行训练，得到具有识别空气开关柜绝缘缺陷功能的识别模型；周期性地测量待检测的空气开关柜内气体成分和含量；利用所述识别模型对测量的气体成分和含量进行识别，并输出识别结果。本发明提供的方法可以避免外界的干扰，从而提高了准确率。

技术领域

本发明涉及电气设备技术领域，具体涉及一种基于GA-BP神经网络开关柜绝缘缺陷检测方法及系统。

背景技术

开关柜作为电力系统中线路开合、电力设备控制和保护的直接面向用户的重要配电设备，其安全运行将直接影响用户供电的可靠性。开关柜内的金属器件在制造组装过程中造成的或者运行中产生的绝缘缺陷，会引起开关柜内发生局部放电。开关柜在长期运行状态下会因局部放电导致绝缘劣化进而造成电气绝缘强度降低，如果造成停电事故，将对人民生产生活造成巨大的经济损失。

目前，通过超声波检测法对空气开关柜内绝缘缺陷进行检测得到的放电信号通过绝缘介质衰减严重，识别效率较低，灵敏度较差；暂态对地电压TEV检测法在背景干扰较大时判断绝缘状态准确度较低；脉冲电流检测方法抗干扰能力较差；传统方法在检测空气开关柜内部绝缘缺陷上都存在不同程度上的局限性。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于GA-BP神经网络开关柜绝缘缺陷检测方法及系统，避免外界气体的干扰，从而提高了准确率。

为达到以上目的，本发明采取的技术方案是：一种基于GA-BP神经网络开关柜绝缘缺陷检测方法，所述开关柜为空气开关柜，包括如下步骤：

建立训练数据集，所述训练数据集包括正常工作时空气开关柜内气体种类及含量数据，以及在不同绝缘缺陷类型下发生局部放电时空气开关柜内气体种类及含量数据；

构建GA-BP神经网络模型；

利用所述训练数据集对GA-BP神经网络模型进行训练，得到具有识别空气开关柜绝缘缺陷功能的识别模型；

周期性地测量待检测的空气开关柜内气体成分和含量；

利用所述识别模型对测量的气体成分和含量进行识别，并输出识别结果。

进一步地，所述检测方法还包括如下步骤：

提供绝缘缺陷记录装置，所述绝缘缺陷记录装置与识别模型连接；

所述绝缘缺陷记录装置依次对连续的两次识别结果进行判断，若连续的两次识别结果为同一种绝缘缺陷类型，则所述绝缘缺陷记录装置记录判断结果；否则，不进行记录。

进一步地，所述的不同绝缘缺陷类型包括固体金属突出物缺陷、绝缘子气隙缺陷、绝缘子表面金属污秽缺陷和自由金属微粒缺陷。

进一步地，所述气体种类包括CO、NO₂以及NO气体。

进一步地，所述GA-BP神经网络模型包括输入层、隐含层和输出层，所述输入层包括M个输入节点，M与气体种类的个数相等；所述输出层包括N+1个输出节点，N与绝缘缺陷的类型个数相等。

进一步地，所述气体传感器的测量周期T满足：2h≤T≤4h。

进一步地，提供气体传感器，所述气体传感器与识别模型连接；

将所述气体传感器安装于待检测的空气开关柜内，通过所述气体传感器测量该空气开关柜内气体成分和含量。