[发明专利]XLPE电力电缆典型缺陷局部放电类型识别系统及方法在审

专利信息
申请号: 202011196015.1 申请日: 2020-10-30
公开(公告)号: CN112147474A 公开(公告)日: 2020-12-29
发明(设计)人: 王清玲;何若冰;何平;陈佳;陆婧;李晓宇;张静;倪辉;王圆圆 申请(专利权)人: 广东电网有限责任公司阳江供电局;国网电力科学研究院武汉南瑞有限责任公司
主分类号: G01R31/12 分类号: G01R31/12;G06N3/04;G06N3/08
代理公司: 武汉开元知识产权代理有限公司 42104 代理人: 李满;潘杰
地址: 529500 *** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: xlpe 电力电缆 典型 缺陷 局部 放电 类型 识别 系统 方法
【权利要求书】:

1.一种XLPE电力电缆典型缺陷局部放电类型识别系统,其特征在于:它包括数据模块(1)、特征量提取模块(2)、训练模块(3)和识别模块(4),其中,数据模块(1)用于将利用多种局部放电测量方法所测得的典型XLPE电力电缆局部放电数据进行权重拟合,所述局部放电数据为发电量和对应相位,将所获取的局部放电数据叠加,通过放电筛选程序获得局部放电脉冲信号;

所述特征量提取模块(2)用于利用局部放电脉冲信号绘制基于时间的分析模式时域谱图与基于相位分析模式频域谱图,并提取基于时间的分析模式时域谱图与基于相位分析模式频域谱图中所需的特征量,对所得特征量进行权重判定,将特征量进行迭代计算并以特征量权重对应的识别效率为适应度函数,淘汰掉权重小于阈值的特征量参数,得到筛选过后的特征量;

所述训练模块(3)将筛选过后的特征量进行数据归一化并设置BP神经网络训练组,将归一化后的特征量通过受限于最大下降梯度原则,并结合正则化算法构建梯度收敛网络平台,当满足预设的收敛精度后输出BP神经网络;

所述识别模块(3)用于将数据模块(1)获得局部放电脉冲信号输入BP神经网络,得到对应每一种电力电缆典型缺陷类型的识别准确率。

2.根据权利要求1所述的XLPE电力电缆典型缺陷局部放电类型识别系统,其特征在于:数据模块(1)用于将利用多种局部放电测量方法所测得的典型XLPE电力电缆局部放电数据进行权重拟合,拟合后的结果为:

其中,xi和γi分别第i种方法所测得的局部放电数据与权重,x是重新拟合后的电力电缆局部放电数据,n代表总放电次数,即数据点数。

3.根据权利要求1所述的XLPE电力电缆典型缺陷局部放电类型识别系统,其特征在于:

特征量包括局部放电量峰值Pks、放电幅值的均值Y、放电量相关系数CC、放电量方差S、放电量偏度Sk、放电量峭度Ku;

所述局部放电量峰值Pks用于描述局部放电序列中的最大放电量,其定义为:

Pks=max[s(q)]

其中:q为序列中某次局部放电的放电量;s(q)表示一组局部放电序列;

所述放电幅值的均值Y表示放电幅值的均值大小,其定义为:

其中,qi为第i次放电量,n为放电总次数;

所述放电量相关系数CC,用于描述基于时间的分析模式时域谱图或基于相位分析模式频域谱图中放电量的差异,其定义为:

其中:qisuc表示基于时间的分析模式时域谱图或基于相位分析模式频域谱图中第i次放电的前一次放电的放电统计量,qipre表示基于时间的分析模式时域谱图或基于相位分析模式频域谱图中第i次放电的后一次放电的放电统计量,n为放电总次数;

所述放电量方差S,定义为:

所述放电量偏度Sk用来描述基于时间的分析模式时域谱图或基于相位分析模式频域谱图形状的分布对比于标准正态分布形状的偏斜程度,其定义为:

其中:为第i个窗口的位置,μ为中心矩;为窗口宽度,σ为放电量标准差,pi为第i个局放数据对应的线性系数;

放电量峭度Ku定义为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司阳江供电局;国网电力科学研究院武汉南瑞有限责任公司,未经广东电网有限责任公司阳江供电局;国网电力科学研究院武汉南瑞有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011196015.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top