[发明专利]局部放电AE位置检测的神经元网络方法

摘要

本发明公开了一种局部放电AE位置检测的神经元网络方法，本发明利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；本发明能够提取局部放电产生的超声波所蕴含的放电的信息，从中计算出局部放电位置，为局部放电监测系统所用，提高了局部放电监测的准确度。

主权项

1. 一种局部放电AE位置检测的神经元网络方法，其特征在于，该方法具体包括以下步骤：步骤一：利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；步骤二：将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；步骤三：将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；步骤四：将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；神经网络算法的输入为传感器收集的信号幅值以及对应的传感器编号，输出为局部放电发生位置的球坐标（,,r），球坐标的原点为信号采集中心；所述的神经网络算法的训练过程包括以下步骤：输入：训练集，每个训练集中的实例都包含输入向量，输入向量为各个AE检测器所发送过来的幅值信号与AE检测器编号，x=[,,...,],输出向量y=[,,r]，神经网络的初始连接权值选取0至1的随机数；重复执行：    对于实例集中的每个实例，将输入向量的各分量代入输入层对于隐层中的每个隐单元，执行     对于每个输出层单元,执行对于每个输出层单元,执行对于隐层中的每个隐单元，执行对于输入层的每个单元，执行不停重复这个过程，直到各权值W稳定下来，此时的各权值W就是神经网络算法中的最终权值；其中g为激励函数，为学习速率；经过训练最终得到的神经元网络的输出公式为；式中代表输入的超声波幅值信号和AE检测器编号，代表放电位置的坐标；其中为输出层单元的输出，为隐层单元的输出，为输入层单元的输出，为输出层单元与隐层单元的连接权值，为隐层单元与输入层单元的连接权值。