[发明专利]一种发电机定子绕组绝缘局部放电故障在线监测诊断方法在审
申请号: | 202011197314.7 | 申请日: | 2020-10-30 |
公开(公告)号: | CN112305388A | 公开(公告)日: | 2021-02-02 |
发明(设计)人: | 杨增杰;赵志清;李坚;李培健;赵显峰;张震;李航;熊国玺;谭尚仁;曾令龙;杨建凡;温成明;吕爱军;刀亚娟 | 申请(专利权)人: | 华能澜沧江水电股份有限公司 |
主分类号: | G01R31/12 | 分类号: | G01R31/12;G01R31/72;G06F30/27;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 昆明正原专利商标代理有限公司 53100 | 代理人: | 徐玲菊;亢能 |
地址: | 650214 *** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 发电机 定子 绕组 绝缘 局部 放电 故障 在线 监测 诊断 方法 | ||
1.一种发电机定子绕组绝缘局部放电故障在线监测诊断方法,其特征在于:包括如下步骤:
步骤(1)、局部放电在线监测数据转换,局部放电数据图像化表示
从局部放电在线监测系统导出局部放电原始数据,从中逐一提取样本正局部放电幅值、正局部放电相位、正局部放电数量数据集d1,负局部放电幅值、负局部放电相位、负局部放电数量数据集d2,将数据d1、d2合并成具有正负局部放电幅值、正负局部放电相位、正负局部放电数量的局部放电样本原始数据集;
将样本原始数据集转换为灰度图,在灰度图同一坐标下画出50HZ正玄波曲线,得到局部放电样本图像;
步骤(2)、建立绝缘局部放电特征数据库
从局部放电在线监测系统导出局部放电原始数据,从中逐一提样本取采集时间、样本号、测量状态、厂站、发电机信息构成样本信息数据,从中逐一提样本取正负放电量Qm、正负放电数量NQN数据构成样本局部放电综合数据;将发电机绝缘故障按0-9顺序标号形成样本故障代码表,将局放样本对应发电机绝缘故障编码按样本顺序逐一添加构成样本标签数据;
将上述样本信息数据、样本局部放电综合数据、局部放电原始数据、样本标签数据打包构成绝缘局部放电特征数据集,后续根据发电机绝缘状态不同不断采集新的样本加入,构成绝缘局部放电特征数据库;
步骤(3)、诊断模型建模、训练
通过卷积神经网络建立深度学习模型A,将绝缘局部放电特征数据库中局部放电原始数据、样本标签数据输入A模型,对模型进行学习训练;
模型A训练:采样多分类损失函数,自适应学习率优化算法,监控指标准确率,通过多轮、多批次学习训练得到模型参数A.h5;
步骤(4)、模型应用
将未知故障的样本原始数据输入学习训练好的模型A,经过模型A及参数A.h5计算后输出样本的故障类型百分比概率。
2.根据权利要求1所述的发电机定子绕组绝缘局部放电故障在线监测诊断方法,其特征在于:步骤(1)中,灰度图以相位0到360度为x轴坐标、幅值-30到30为y轴坐标,灰度图像素点所在x轴位置代表放电所在的相位,灰度图像素点所在y轴位置代表放电的幅度值,像素点值颜色深度代表放电数量。
3.根据权利要求1所述的发电机定子绕组绝缘局部放电故障在线监测诊断方法,其特征在于:步骤(3)中,建立模型A具体是通过卷积神经网络构建的局放数据图像诊断识别模型。
4.根据权利要求3所述的发电机定子绕组绝缘局部放电故障在线监测诊断方法,其特征在于:步骤(3)中,建立模型A时,模型输入30*100*1图像数据,网络中进行2次卷积计算,第1次卷积核尺寸3X3卷积核个数32,第2次卷积核尺寸3X3卷积核个数64,4个防止过拟合概率层参数均为0.25;结构依次为输入、卷积、概率、池化、卷积、概率、池化、转换、概率、全连接、概率、输出。
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华能澜沧江水电股份有限公司,未经华能澜沧江水电股份有限公司许可,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/202011197314.7/1.html,转载请声明来源钻瓜专利网。