[发明专利]一种基于多光谱强度的局部放电危险度评估方法

说明书

本申请公开了一种基于多光谱强度的局部放电危险度评估方法，包括以下步骤：利用弱光检测方法来采集故障位置的局部放电信号；滤除所述局部放电信号中的噪声和电磁干扰；在实验室或现场中采集所述局部放电信号中的光谱信息；提取所述局部放电信号的光谱强度信息特征参数；将所述光谱强度信息特征参数作为训练集，输入Xgboost‑LSTM算法进行训练得到指纹信息库；通过所述指纹信息库得出局部放电种类和局部放电发展阶段；将所述局部放电种类、局部放电的故障位置以及所述局部放电发展阶段输入到根据实际需求预先设置好参数的Xgboost算法中，评估得出所述局部放电的危险度。

技术领域

本申请涉及电力设备风险评估技术领域，尤其涉及一种基于多光谱强度的局部放电危险度评估方法。

背景技术

气体绝缘全封闭开关电器GIS一般由铝合金外壳封闭而成，无外露导电部位，不会受大气条件和污秽杂质的影响，运行的可靠性非常高，并且维护量非常少。GIS发生局部放电的原因很多，如绝缘材料内部存在气泡或裂纹、绝缘设计裕度不足、导体表面存在划痕等尖端、安装或解体引入异物、绝缘老化等，这些都会导致设备内部电场发生严重畸变，从而引发局部放电。初期的局部放电危害性较小，一般可以在设备运行过程中存在几个月乃至几年，不过随着局部放电的加剧，电、热化学效应等会加速材料的进一步老化和劣化，并将最终导致绝缘击穿故障。电力设备由于绝缘自然老化、外力破坏和设计制作工艺和材料质量影响会导致各种绝缘故障，在绝缘击穿前往往会发生明显的局部放电现象。局部放电时造成绝缘劣化的主要原因，能够反映绝缘的潜伏性缺陷及故障，通过检测局部放电信号可以实现对电力设备缺陷、劣化程度及剩余寿命的诊断和评估。

光学检测法是一种进行非接触式检测局部放电的新兴检测方法。电力设备局部放电时常伴随有光辐射，利用光电探测器能够有效的监测局部放电产生的光辐射信号，光电探测器检测到的光信号经光电转换元件转化为电信号，再经过信号放大器的调理放大处理，通过光纤将信号送到监测系统，利用监测系统分析电信号光学检测法采用非接触式测量，不影响设备的运行，有着较强的抗电磁干扰能力，测量的灵敏度也很高。目前，光学检测法在分析局部放电特征和电力设备绝缘劣化原理等方面的研究取得了较大的进展。特别是在光测法实施中，光传感器深入到GIS箱体内，直接测量GIS内部局部放电产生的光信号，检测系统不易受外界干扰，测量的灵敏度较高，而且可以对电力设备的局部放电进行实时检测，因此光测法不仅可以用于电力设备内部局部放电在线监测还可以用于局放的危险度评估。光测法一旦成熟后优于现有局放检测手段,目前还没有针对光测法完善的危险度评估。

随着人工智能的飞速发展，机器学习算法在电力系统绝缘故障诊断中的应用也越来越广泛，正在成为一种越来越流行的绝缘故障诊断方法。机器学习方法有快速，准确的优点，与诊断迅速的光测法相结合，可以真正意义上的实现电力设备局部放电实时状态检测以及风险度评估。因此,本发明针对光测法提出了一种基于多光谱强度与机器学习的局部放电危险度评估的方法,这对于光学检测法的进一步应用，减小电力设备发生故障概率有显著的实际意义。

发明内容

本申请提供了一种基于多光谱强度的局部放电危险度评估方法，以解决现有技术中还没有针对光测法比较完善的局部放电危险度评估方法的问题。

本申请采用的技术方案如下：

一种基于多光谱强度的局部放电危险度评估方法，包括以下步骤：

利用弱光检测方法来采集故障位置的局部放电信号；

滤除所述局部放电信号中的噪声和电磁干扰；

在实验室或现场中采集所述局部放电信号中的光谱信息；

提取所述局部放电信号的光谱强度信息特征参数；

将所述光谱强度信息特征参数作为训练集，输入Xgboost-LSTM算法进行训练得到指纹信息库；

通过所述指纹信息库得出局部放电种类和局部放电发展阶段；