CN105116273A - 绝缘子在线监测*** - Google Patents

Abstract

本发明公开了一种绝缘子在线监测***，属于高压保护电器技术领域，所述绝缘子在线监测***包括数据采集模块、控制模块、通信模块和运程数据中心，数据采集模块连接控制模块用来采集绝缘子的泄漏电流、环境的湿度、湿度数据，控制模块连接通信模块，通信模块无线连接远程数据中心，控制模块进行初步的泄露电流判断后将数据通过通信模块发送到远程数据中心，远程数据中心对接收到的绝缘子相关数据利用小波模糊神经网络模型进行数据处理，得出绝缘子污秽程度分析结果。本发明具有预测准确度高，有效性和可行性很高，实现了在线绝缘子监测，及时预警绝缘子故障的优点，解决了绝缘子的泄露电流信号中噪声大，影响数据分析和在线监测结果的问题。

Description

绝缘子在线监测***

技术领域

本发明属于高压保护电器技术领域，涉及复合绝缘子监测方向，具体涉及一种绝缘子在线监测***。

背景技术

绝缘子是一种特殊的绝缘控件，能够在架空输电线路中起到重要作用。早年间绝缘子多用于电线杆，慢慢发展于高型高压电线连接塔的一端挂了很多盘状的绝缘体，它是为了增加爬电距离的，通常由玻璃或陶瓷制成，就叫绝缘子。绝缘子不应该由于环境和电负荷条件发生变化导致的各种机电应力而失效，否则绝缘子就不会产生重大的作用，就会损害整条线路的使用和运行寿命。

浮尘等污秽在绝缘子表面附着,形成通路被绝缘子两端电压击穿,特别在潮湿天气情况下，脏污的绝缘子易发生闪络放电，污秽引起的绝缘子污闪的危害比因雷击引起的危害更大，造成的损失更为严重。据统计，近年来绝缘子污闪事故仅次于雷击，数量上居电网事故的第二位，而损失却是雷击事故的9.3倍，所以绝缘子的污秽在线监测显得尤为重要。

发明内容

根据以上现有技术的不足，本发明所要解决的技术问题是提出一种绝缘子在线监测***，通过采集绝缘子的泄漏电流、环境的湿度、湿度数据，将采集到的数据传递到远程数据中心利用小波模糊神经网络模型进行数据处理，得出绝缘子污秽程度分析结果，解决了绝缘子的泄露电流信号中噪声大，影响数据分析和在线监测结果的问题，具有预测准确度高，有效性和可行性很高，实现了在线绝缘子监测，及时预警绝缘子故障的优点。

为了解决上述技术问题，本发明采用的技术方案为：一种绝缘子在线监测***，所述绝缘子在线监测***包括数据采集模块、控制模块、通信模块和运程数据中心，数据采集模块连接控制模块的输入端用来采集绝缘子的泄漏电流、环境的湿度、湿度数据，并将采集到的数据发送到控制模块中，控制模块的输出端连接通信模块，通信模块无线连接远程数据中心，控制模块进行初步的泄露电流判断后将数据采集模块的数据通过通信模块发送到远程数据中心，远程数据中心对接收到的绝缘子相关数据利用小波模糊神经网络模型进行数据处理，得出绝缘子污秽程度分析结果。

上述***中，所述数据采集模块包括温度传感器、湿度传感器和泄露电流传感器，湿度传感器采集待测点绝缘子的湿度数据，温度传感器采集环境温度数据，泄露电流传感器采集绝缘子的泄露电流信号数据，温度传感器、湿度传感器和泄露电流传感器连接控制模块。所述控制模块中设置警报单元，警报单元连接控制模块上，对接收到的数据采集模块中的泄露电流数据进行判别，泄露电流数据超过设定阈值，发出警报信号。所述远程数据中心包括接收单元、处理器和数据库，接收单元连接处理器的输入端，处理器的输出端连接数据库，远程数据中心通过接收单元接收通信模块发送的数据，接收单元连接处理器发送接收到的数据给处理器，处理器利用小波模糊神经网络模型对接收到的数据进行数据处理得出绝缘子的污秽程度分析结果。所述处理器中设置小波模糊神经网络模型，小波模糊神经网络模型具有模式识别能力以及对含噪信号进行去噪处理，小波模糊神经网络模型是层次结构。所述小波模糊神经网络模型建立后，进行模型训练，模型训练的数据来源于数据库，模型训练的数据包括数据采集模块采集的不同时段、不同污秽状态下的绝缘子相关数据，模型训练后输入在线检测数据输出污秽程度分析结果。所述远程数据中心还包括显示器，显示器连接在处理器的输出端，显示处理器的污秽程度分析结果。所述远程数据中心还包括输入单元，输入单元连接处理器用来人工输入信号，人工现场检测的绝缘子真实状态通过输入单元输入到处理器中与预测的结果进行对比。

本发明有益效果是:本发明提供一种绝缘子在线监测***，提出了基于小波模糊神经网络对绝缘子污秽程度在线监测，通过对绝缘子的泄漏电流、脉冲电流以及环境的湿度、相对湿度作为小波模糊神经网络的输入变量，经小波模糊神经网络对其进行绝缘子污秽程度在线监测结果的综合评定。

附图说明

下面对本说明书附图所表达的内容及图中的标记作简要说明：

图1是本发明的具体实施方式的工作原理框图；

图2是本发明的具体实施方式的远程数据中心的工作原理框图。

具体实施方式

下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

小波分析是一种先进的具有时域和频域分析能力的数学工具，可以通过正交小波分解含有噪声的泄漏电流信号，利用噪声信号主要表现的高频性，对分解后的高频系数进行阈值量化处理，并重构处理后的泄漏电流信号以消除噪声，特别适合对含有高次谐波噪声信号的泄漏电流具有消噪功能。模糊神经网络具有良好的学***稳信号的能力，同时也完全继承了神经网络的优点，自学习，自适应，高容错等特征，从而在函数逼近方而有着卓越的特性。本发明在此基础上提出了基于小波模糊神经网络对绝缘子污秽程度在线监测，通过对绝缘子的泄漏电流、脉冲电流以及环境的湿度、相对湿度作为小波模糊神经网络的输入变量，经小波模糊神经网络对其进行绝缘子污秽程度在线监测结果的综合评定。

绝缘子表而污秽是由空气中的悬浮物、液体、气体微粒的沉积而成。污秽的沉积与污源性质、气象条件、类型、绝缘子表面、性状及电场强度有关，绝缘子表而的污秽放电总是形成又消失再形成这样周而复始的，所以绝缘子的泄漏电流和脉冲电流中就会出现相应的电流脉冲信号，所以本发明提出了一种基于绝缘子的泄漏电流、脉冲电流以及环境的湿度、相对湿度的绝缘子在线监测***。

如图1所示，绝缘子在线监测***包括数据采集模块、控制模块、通信模块和运程数据中心，数据采集模块连接控制模块的输入端用来采集绝缘子的泄漏电流、环境的湿度、湿度数据，并将采集到的数据发送到控制模块中，控制模块进行初步的泄露电流判断后将数据通过通信模块发送到远程数据中心，控制模块的输出端连接通信模块，通信模块无线连接远程数据中心，远程数据中心对绝缘子的相关数据进行小波模糊神经网络模型的处理，得出绝缘子污秽程度分析结果，在得出警报信号的时候发出预警提醒工作人员及时查修。

数据采集模块包括温度传感器、湿度传感器和泄露电流传感器，数据采集模块采集到绝缘子的相关数据均是发送到控制模块，湿度传感器采集待测点绝缘子的环境湿度数据，温度传感器采集环境温度数据，泄露电流传感器采集绝缘子是否泄露电流以及绝缘子的电流脉冲信号大小。数据采集模块的数据包括不同时段、不同污秽情况下绝缘子所处的环境温度、湿度、及其泄漏电流的数据，将数据采集模块采集到的各种情况下的数据作为训练小波模糊神经网络的数据样本。

控制模块接收到数据采集模块的数据后，会判断数据采集模块中泄露电流数据的状态，在控制模块接收到有泄露电流信号后，控制模块会发出警报信号，提醒工作人员注意，控制模块中设置了警报单元对泄露电流的信号进行判别，泄露电流数据超过设定阈值，在接收到警报信号的发出警报信号。控制模块的输出端连接通信模块，控制模块接收到数据采集模块的数据，初步处理后将数据通过通信模块发送给远程数据中心。

远程数据中心设备精良，可以进行比较复杂的数据分析，为了减少成本，控制模块的数据分析功能进行了降低，主要数据分析功能是在远程数据中心，从数据采集模块中的绝缘子的泄漏电流、脉冲电流以及环境的湿度、相对湿度的数据中预测绝缘子的污秽劣化程度。如图2所示，远程数据中心包括接收单元、处理器、数据库和显示器，接收单元连接处理器的输入端，处理器的输出端连接显示器和数据库，远程数据中心通过接收单元接收通信模块发送的远程数据，接收单元连接处理器发送接收到的数据给处理器，处理器利用小波模糊神经网络模型对接收到的数据进行数据处理得出绝缘子的污秽程度分析结果。

处理器中设置了小波模糊神经网络模型对绝缘子污秽程度进行模糊评估检测，模糊神经网络具有良好的学***均法，小波模糊神经网络模型构建完毕。小波模糊神经网络模型建好后，提取数据库中不同时段、不同污秽情况下绝缘子所处的环境温度、湿度、及其泄漏电流的数据，将其作为训练小波模糊神经网络的数据样本，利用数据样本对模型进行训练，得到最优模型。

小波模糊神经网络模型建立完成模型训练后，可以投入使用，输入在线检测到的绝缘子相关数据参数，就可以实现对运行绝缘子的污秽程度的评定，小波模糊神经网络的在对变电站的绝缘子串进行在线监测的数据分析中能够较准确地给出绝缘子的绝缘性能，也能明确地给出检修建议，这对变电站的绝缘子的检修有很重要的意义。处理器利用小波模糊神经网络得出绝缘子的污秽情况结果分析会显示在显示器上，达到警报值的数据还会闪烁提醒工作人员查看，处理器接收到的数据都会存放在数据库中，方便网络模型训练的调取使用。

远程数据中心中还设有输入单元，输入单元连接处理器用来人工输入信号，人工现场检测的绝缘子真实状态会输入到处理器中与预测的结果进行对比，并保存在数据库中与相应的绝缘子状态数据结合，方便小波模糊神经网络模型进行修正，提高准确性。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (8)

1.一种绝缘子在线监测***，其特征在于，所述绝缘子在线监测***包括数据采集模块、控制模块、通信模块和运程数据中心，数据采集模块连接控制模块的输入端用来采集绝缘子的泄漏电流、环境的湿度和湿度数据，并将采集到的数据发送到控制模块中，控制模块的输出端连接通信模块，通信模块无线连接远程数据中心，控制模块进行初步的泄露电流判断后将数据采集模块的数据通过通信模块发送到远程数据中心，远程数据中心对接收到的绝缘子相关数据利用小波模糊神经网络模型进行数据处理，得出绝缘子污秽程度分析结果。

2.根据权利要求1所述的绝缘子在线监测***，其特征在于，所述数据采集模块包括温度传感器、湿度传感器和泄露电流传感器，湿度传感器采集待测点绝缘子的湿度数据，温度传感器采集环境温度数据，泄露电流传感器采集绝缘子的泄露电流信号数据，温度传感器、湿度传感器和泄露电流传感器连接控制模块。

3.根据权利要求1所述的绝缘子在线监测***，其特征在于，所述控制模块中设置警报单元，警报单元连接控制模块上，对接收到的数据采集模块中的泄露电流数据进行判别，泄露电流数据超过设定阈值，发出警报信号。

4.根据权利要求1所述的绝缘子在线监测***，其特征在于，所述远程数据中心包括接收单元、处理器和数据库，接收单元连接处理器的输入端，处理器的输出端连接数据库，远程数据中心通过接收单元接收通信模块发送的数据，接收单元连接处理器发送接收到的数据给处理器，处理器利用小波模糊神经网络模型对接收到的数据进行数据处理得出绝缘子的污秽程度分析结果。

5.根据权利要求4所述的绝缘子在线监测***，其特征在于，所述处理器中设置小波模糊神经网络模型，小波模糊神经网络模型具有模式识别能力以及对含噪信号进行去噪处理，小波模糊神经网络模型是层次结构。

6.根据权利要求4所述的绝缘子在线监测***，其特征在于，所述小波模糊神经网络模型建立后，进行模型训练，模型训练的数据来源于数据库，模型训练的数据包括数据采集模块采集的不同时段、不同污秽状态下的绝缘子相关数据，模型训练后输入在线检测数据输出污秽程度分析结果。

7.根据权利要求4所述的绝缘子在线监测***，其特征在于，所述远程数据中心还包括显示器，显示器连接在处理器的输出端，显示处理器的污秽程度分析结果。

8.根据权利要求4所述的绝缘子在线监测***，其特征在于，所述远程数据中心还包括输入单元，输入单元连接处理器用来人工输入信号，人工现场检测的绝缘子真实状态通过输入单元输入到处理器中与预测的结果进行对比。