[发明专利]一种电力电缆局部放电模式识别方法及装置

说明书

本发明公开了一种电力电缆局部放电模式识别方法及装置，该方法包括采集安装于电力电缆接头处高频CT的局部放电信号，对局部放电数据进行去噪和滤波预处理并提取特征数据，将特征数据输入到构建的模糊自适应共振神经网络模型对电缆局部放电模式识别。本发明特征提取简单，学习分类迅速并正确可靠。

技术领域

本发明涉及电力设备状态监测技术领域，尤其涉及一种电力电缆局部放电模式识别方法及装置。

背景技术

由于具有传输容量大、介电性能和耐热性好、安装敷设简单等优点，交联聚乙烯(XLPE)电缆在电力系统中应用的越来越广泛，其绝缘性能对电网安全运行影响巨大，电缆的绝缘性能会受到施工工艺缺陷、绝缘老化等诸多因素的考验，产生局部放电难以避免，局部放电既是绝缘劣化的主要原因，又是电缆绝缘缺陷和绝缘老化的重要表征。因此，对电缆进行局部放电在线监测是电力电缆安全运行的重要保障之一。

不同的局部放电类型对绝缘的危害程度不同，对局部放电信号进行有效的模式识别，可以进一步准确地了解电缆内部出现的绝缘缺陷类型，根据不同的缺陷类型做出制定合适的检修计划，避免缺陷故障恶化。常见的电缆局部放电模式识别方法包括反向传播人工神经网络(BP)和支持向量机(SVM)等，传统BP神经网络训练学习耗时较长，复杂特征提取困难等问题，SVM存在样本数量大时训练困难和核函数等参数选择困难等问题，在实际应用中存在一定的局限性。

发明内容

本发明的目的在于提供一种电力电缆局部放电模式识别方法，通过采集安装于电力电缆接头中性点接地线上高频CT的局部放电信号，对局部放电数据进行预处理并提取特征数据，将特征数据输入模糊自适应共振神经网络模型得到电力电缆局部放电故障类型。

为达到上述目的，本发明所采用的技术方案是：

本发明提供一种电力电缆局部放电模式识别方法，包括：

采集电力电缆接头处的局部放电信号；

对采集的局部放电信号进行去噪和滤波预处理；

对预处理过的局部放电信号提取特征量；

将提取的特征量输入至构建的模糊自适应共振神经网络模型进行电缆局部放电模式识别。

进一步的，采用高频电流传感器采集电力电缆接头处的局部放电信号，采样频率为100MHz，采集时间为1s。

进一步的，还包括：基于预处理后的局部放电信号绘制局部放电次数随放电量和放电相位分布的三维PRPD谱图。

进一步的，基于三维PRPD谱图提取特征量，所述特征量包括偏斜度、陡峭度、互相关系数和香农熵。

进一步的，

所述特征量计算如下：

其中，Sk表示偏斜度，Ku表示陡峭度，cc表示互相关系数，HX表示香农熵，x_i是第i个相窗的相位，Δx是相窗宽度，W是半周期内的相窗数，p_i是概率密度函数，μ为相位的均值，σ为相位的方差，是相窗i内正半周和负半周平均放电量，n是总放电点数。

进一步的，所述将提取的特征量输入至构建的模糊自适应共振神经网络模型进行电缆局部放电模式识别，包括：

将所述特征量作为输入向量I，对输入向量I进行归一化和补码处理得到向量A，并初始化识别层神经元节点的权重系数为1；

对输入向量A和识别层的神经元节点计算选择函数，选择最大值对应的神经元节点为优胜神经元节点；