[发明专利]一种绝缘损坏故障诊断方法及系统

说明书

本发明公开了一种绝缘损坏故障诊断方法及系统，其方法，包括：对区域内的高压开关柜基础数据进行采集；通过LM‑BP神经网络算法生成高压开关柜绝缘状态智能分析模型；使用LM‑BP神经网络函数逼近功能，建立非线性函数关系，进行模型验证；对开关柜绝缘状态进行预判评估。本发明提供的分析模型可精准评价开关柜绝缘状态，辅助开关柜选型，帮助检修试验人员确立开关柜的重点检测目标，合理安排检修计划，节约资源，有效提高工作效率。

技术领域

本发明涉及绝缘损坏故障诊断技术领域，具体为一种绝缘损坏故障诊断方法及系统。

背景技术

开关柜是目前电网内广泛应用的配电设施，但由于其内部结构紧凑，绝缘距离难以得到有效保障，尤其是在雨季到来时，受湿度大、凝露等因素影响，开关柜的绝缘性降低，易造成局部放电，在较短的时间内可能造成沿面闪络，继而形成短路故障等较为严重的事故，存在较大的安全隐患。

而现有的开关柜的绝缘状态是电气试验人员根据超声波检测、暂态地电压检测﹑特高频检测及停电耐压等检测数据以及检测环境数据等进行综合分析诊断，开关柜根据所属地段要求的不同，设置数量众多，诊断开关柜绝缘状态需要处理的数据信息量庞大，同时开关柜绝缘状态评价规程中对绝缘状态的评价定位模糊，电气试验人员做出的诊断结论基于理论经验，往往缺乏对绝缘程度定量的数据统计。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种绝缘损坏故障诊断方法及系统，通过数据收集、植入LM-BP神经网络算法生成模型、采用LM-BP神经网络函数逼近功能与数据进行分析。

为了解决上述技术问题，本发明实施例提供了一种绝缘损坏故障诊断方法，其方法，包括：

对区域内的高压开关柜基础数据进行采集；

通过LM-BP神经网络算法生成高压开关柜绝缘状态智能分析模型；

使用LM-BP神经网络函数逼近功能，建立非线性函数关系，进行模型验证；

对开关柜绝缘状态进行预判评估。

所述高压开关柜基础数据，包括：开关柜的电压等级、生产厂家与型号、开关柜工作环境的温度、湿度、投运年限、超声、特高频、暂态地电压、温度、湿度、耐压值。

所述通过LM-BP神经网络算法生成高压开关柜绝缘状态智能分析模型，包括：

利用LM算法来优化神经网络模型训练误差反向传递的权值和阈值，建立LM-BP神经网络算法；

将采集到的试验数据，作为模型输入，开关柜绝缘状态情况为模型输出，数据经过归一化处理后，作为BP网络样本，进行模型搭建，通过误差比对后不断的自动学习调整，逐渐提高模型精度。

所述LM-BP神经网络算法分为两个过程：工作信号正向传递子过程和误差信号反向传递子过程；

工作信号正向传递子过程：设节点i和节点j之间的权值为y，节点j的阀值为bj，每个节点的输出值为xj，每个节点的输出值根据上层所有节点的输出值、当前节点与上一层所有节点的权值和当前节点的阀值和激活函数确定；

误差信号反向传递子过程：在LM-BP神经网络中，误差信号反向传递子过程基于Widrow-Hoff学习规则，并利用LM算法来优化误差反向传递的权值和阈值。

所述建立非线性函数关系，采用matlab编程语言按如下流程建立投运年限、超声、特高频、暂态地电压、温度、湿度、耐压值与开关柜绝缘状态之间非线性函数关系，实现精准评价开关柜绝缘状态。

所述进行模型验证，包括：

3.1输入训练原始数据；

3.2对数据进行归一化处理；