CN109991519A - 基于神经网络和无线传感阵列的局部放电测向方法及*** - Google Patents
基于神经网络和无线传感阵列的局部放电测向方法及*** Download PDFInfo
- Publication number
- CN109991519A CN109991519A CN201910175714.9A CN201910175714A CN109991519A CN 109991519 A CN109991519 A CN 109991519A CN 201910175714 A CN201910175714 A CN 201910175714A CN 109991519 A CN109991519 A CN 109991519A
- Authority
- CN
- China
- Prior art keywords
- wireless
- data
- neural network
- sensing array
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种基于神经网络和无线传感阵列的局部放电测向方法,所述无线传感阵列包括若干无线定向传感器,所述方法包括以下步骤:通过无线传感阵列获取一段时间内的若干组局部放电信号的幅值数据,其中每组数据分别对应相应的时间点,每组数据中的每个数据分别对应相应的无线定向传感器;基于神经网络对若干组局部放电信号的幅值数据进行筛选,留下可信度高的数据组;基于经筛选的数据组确定局部放电源的方向。该方法能在局部放电测向上实现局部放电源的准确定位,同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。此外,本发明还公开了相应的测向***。
Description
技术领域
本发明涉及电力***输变电设备运行维护领域中的局部放电测向方法及***,尤其涉及一种基于神经网络和无线传感阵列的局部放电测向方法及***。
背景技术
绝缘体中只有局部区域发生的放电,而没有贯穿施加电压的导体之间,可以发生在导体附近,也可以发生在其他地方,这种现象称为局部放电(Partial Discharge,PD)。局部放电是电气设备尤其是高压电力设备绝缘故障的主要原因,强烈的局部放电会使绝缘强度很快下降,这是使高压电力设备绝缘损坏的一个重要因素。因此需要对运行中的电气设备尤其是高压电力设备进行基于局部放电信息的状态监测。
对局部放电源的准确定位可以为电气设备尤其是高压电力设备的状态监测和维护提供重要信息。特高频检测技术由于灵敏度高、抗干扰性强等优点在国内外得到了大量的应用。局部放电全站特高频监测较多地采用到达时间(Time of Arrival,TOA)或到达时间差(Time Difference of Arrival,TDOA)等基于时延序列的局部放电源定位方法。这类方法需要传感器间保持纳秒级的时间同步及至少几个GSa/s的采样率,导致硬件成本高,设备体积大,便携性差。
近年来,国内外开展了基于特高频接收信号强度(Received Signal StrengthIndicator,RSSI)的局部放电源定位技术的研究应用,相较TOA、TDOA等定位方法,RSSI具有较低的设备成本和较好的环境适应性等特点。因此,本发明提出一种基于神经网络和无线传感阵列的局部放电测向方法及***,旨在结合RSSI技术、神经网络技术、无线传感阵列技术进行局部放电源的方位测定,从而在局部放电测向上实现局部放电源的准确定位,同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。
发明内容
本发明的目的之一是提供一种基于神经网络和无线传感阵列的局部放电测向方法,该方法能在局部放电测向上实现局部放电源的准确定位,同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。
根据上述发明目的,本发明提出了一种基于神经网络和无线传感阵列的局部放电测向方法,其对局部放电源的方向进行测定,其中:所述无线传感阵列包括若干无线定向传感器,所述无线定向传感器至少具有第一特定接收方向,当该第一特定接收方向正对局部放电源时接收信号强度最强;所述无线传感阵列中的无线定向传感器的第一特定接收方向分别指向不同的方向以接收局部放电信号;所述方法包括以下步骤:
S100:通过所述无线传感阵列获取一段时间内的若干组局部放电信号的幅值数据,其中每组数据分别对应相应的时间点,每组数据中的每个数据分别对应相应的无线定向传感器;
S200:构建神经网络,基于神经网络对所述若干组局部放电信号的幅值数据进行筛选,留下可信度高的数据组;
S300:基于经步骤S200筛选的数据组确定局部放电源的方向。
本发明提出的基于神经网络和无线传感阵列的局部放电测向方法,其采用无线定向传感器构建无线传感阵列,该无线传感阵列中的无线定向传感器的第一特定接收方向指向不同方向,从而在不同方向上接收同一局部放电信号,并转换为不同强度的幅值数据,从而根据幅值数据的大小和对应的无线定向传感器的第一特定接收方向的指向确定局部放电源的方向。同时,本发明还结合神经网络技术对幅值数据进行筛选,从而校正误差,提高准确度。
通常情况,所述无线传感阵列的排列方式为均匀圆阵,即所述无线定向传感器均匀分布在一圆周上,每个无线定向传感器的第一特定接收方向沿圆周半径指向圆周外部。分布的无线定向传感器数量越多,则对360°方位划分的份数就越多,精度就越高。所述无线定向传感器通常为特高频传感器,从而有效检测局部放电信号。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述无线传感阵列中的无线定向传感器周向均匀排列在一圆周上形成圆形阵列,其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部。
上述方案为常规方案,便于实施和计算。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述步骤S300中,分别寻找所述每组数据中的最大值,该最大值对应的无线定向传感器的第一特定接收方向指向的方向即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
上述方案中,所述一段时间内测定的方式通常是在该段时间内持续进行局部放电信号采集,然后将采集的信号按照时间序列排列并分组转换为相应的幅值数据,再对该分组幅值数据执行上述步骤。寻找幅值数据最大值确定定向结果的原理是,所述第一特定接收方向正对局部放电源时接收信号强度最强,因此对应的无线定向传感器的第一特定接收方向指向的方向即为局部放电源相对于无线传感阵列的方位,也即该组数据对应的定向结果。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述步骤S300中,将所述无线定向传感器分布在圆周上的角度作为横坐标,将所述无线定向传感器接收的局部放电信号的幅值作为纵坐标,分别对所述每组数据进行曲线拟合,并寻找该曲线上的最大值,该最大值对应的横坐标上的角度即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
上述方案用曲线拟合提高定位精度。为了提高定位精度,一种方法是在无线传感阵列中增加无线定向传感器数量,从而进一步将无线定向传感器分布方位基于圆周均匀划分,但是这样做会造成成本不断提高,而且圆周空间有限,不能无限制增加传感器。还有一种方法是按上述方案进行曲线拟合,这样就可以在坐标上找到一个基于拟合曲线的虚拟的无线定向传感器方位和相应的接收信号幅值,从而在节省成本的同时提高精度。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述无线定向传感器还具有第二特定接收方向,其与所述第一特定接收方向之间具有固定180°夹角,当该第二特定接收方向正对局部放电源时接收信号强度最弱;所述步骤S300中,分别寻找所述每组数据中的最小值,该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
考虑到通常无线定向传感器的传感特性是接收信号强度最强即最大幅值附近梯度较小而接收信号强度最弱即最小幅值附近梯度较大,为了快速和准确地寻找极值,上述方案采用寻找每组数据的最小值,基于该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向作为该组数据对应的定向结果。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述无线定向传感器还具有第二特定接收方向,其与所述第一特定接收方向之间具有固定180°夹角,当该第二特定接收方向正对局部放电源时接收信号强度最弱;所述步骤S300中,将所述无线定向传感器分布在圆周上的角度作为横坐标,将所述无线定向传感器接收的局部放电信号的幅值作为纵坐标,分别对所述每组数据进行曲线拟合,并寻找该曲线上的最小值,该最小值对应的横坐标上的角度加/减180°即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
上述方案用曲线拟合提高定位精度,并采用寻找拟合曲线的最小值,基于该最小值对应的虚拟的无线定向传感器的第二特定接收方向加/减180°指向的方向作为该组数据对应的定向结果。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述无线定向传感器包括单极型PCB天线。
上述方案基于作为局部放电特高频传感器的单极型PCB天线制作所述无线定向传感器。通常所述单极型PCB天线安装在金属容器内,在所述第一特定接收方向用可透电磁波的材料封装,这样由于电磁屏蔽效应,在所述第一特定接收方向正对局部放电源时接收的信号强度最大,转动180°在所述第一特定接收方向背对局部放电源时,即所述第二特定接收方向正对局部放电源时接收的信号强度最小,并且通常在传感器转动过程中两个极值之间形成平滑过渡的特性。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述神经网络为BP神经网络。
BP(back propagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,是目前应用最广泛的神经网络。上述方案利用神经网络对于复杂随机非线性过程的学习能力筛选出可信度高的数据组。
进一步地,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中,所述曲线拟合采用三次样条插值拟合。
上述方案中,所述三次样条插值(Cubic Spline Interpolation)是通过一系列形值点的一条光滑曲线,数学上通过求解三弯矩方程组得出曲线函数组的过程。
本发明的另一目的是提供一种基于神经网络和无线传感阵列的局部放电测向***,该***能在局部放电测向上实现局部放电源的准确定位,同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。
根据上述发明目的,本发明提出了一种基于神经网络和无线传感阵列的局部放电测向***,该***包括数据连接的无线传感阵列和数据处理装置,采用上述局部放电测向方法中的任意一种方法确定局部放电源的方向,其中,所述数据处理装置执行所述步骤S200和S300。
本发明提出的基于神经网络和无线传感阵列的局部放电测向***,其通过采用上述任一局部放电测向方法确定局部放电源的方向,因此,根据前述原理,该***能在局部放电测向上实现局部放电源的准确定位,同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。
本发明所述的基于神经网络和无线传感阵列的局部放电测向方法与采用TOA或TDOA等基于时延序列的局部放电源定位方法相比:采用TOA或TDOA等基于时延序列的局部放电源定位方法需要传感器间保持纳秒级的时间同步及至少几个GSa/s的采样率,导致硬件成本高,设备体积大,便携性差。本发明的方法结合RSSI技术、神经网络技术、无线传感阵列技术进行局部放电源的方位测定,从而在局部放电测向上实现局部放电源的准确定位,同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。
本发明所述的基于神经网络和无线传感阵列的局部放电测向***同样具有以上优点和有益效果。
附图说明
图1为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法的流程示意图。
图2为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下的流程示意图。
图3为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型PCB天线的结构示意图。
图4为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型PCB天线的金属容器的仰视立体示意图。
图5为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型PCB天线的金属容器的俯视立体示意图。
图6为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的无线传感阵列的结构示意图。
图7为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的BP神经网络的典型拓扑结构示意图。
图8为现场验证实例中一组幅值数据在坐标系中的三次样条插值拟合曲线示意图。
图9为现场验证实例中基于未经BP神经网络筛选的幅值数据得到的各组数据对应的定向结果示意图。
图10为现场验证实例中基于经BP神经网络筛选的幅值数据得到的各组数据对应的定向结果示意图。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的基于神经网络和无线传感阵列的局部放电测向方法及***做进一步的详细说明。
图1示意了基于神经网络和无线传感阵列的局部放电测向方法的流程。
如图1所示,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法的流程包括:
S100:通过无线传感阵列获取一段时间内的若干组局部放电信号的幅值数据,其中每组数据分别对应相应的时间点,每组数据中的每个数据分别对应相应的无线定向传感器;
S200:构建神经网络,基于神经网络对若干组局部放电信号的幅值数据进行筛选,留下可信度高的数据组;
S300:基于经步骤S200筛选的数据组确定局部放电源的方向。
其中,无线传感阵列包括若干无线定向传感器,该无线定向传感器至少具有第一特定接收方向,当该第一特定接收方向正对局部放电源时接收信号强度最强;无线传感阵列中的无线定向传感器的第一特定接收方向分别指向不同的方向以接收局部放电信号。
在某些实施方式中,无线传感阵列中的无线定向传感器周向均匀排列在一圆周上形成圆形阵列,其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部。
在某些实施方式中,步骤S300中,分别寻找所述每组数据中的最大值,该最大值对应的无线定向传感器的第一特定接收方向指向的方向即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
在某些实施方式中,步骤S300中,将无线定向传感器分布在圆周上的角度作为横坐标,将无线定向传感器接收的局部放电信号的幅值作为纵坐标,分别对每组数据进行曲线拟合,并寻找该曲线上的最大值,该最大值对应的横坐标上的角度即为该组数据对应的定向结果,然后对所有定向结果取平均值即为一段时间内测定的局部放电源的方向。
在某些实施方式中,无线定向传感器还具有第二特定接收方向,其与第一特定接收方向之间具有固定180°夹角,当该第二特定接收方向正对局部放电源时接收信号强度最弱;步骤S300中,分别寻找所述每组数据中的最小值,该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向即为该组数据对应的定向结果,然后对所有定向结果取平均值即为一段时间内测定的局部放电源的方向。
在某些实施方式中,无线定向传感器还具有第二特定接收方向,其与所述第一特定接收方向之间具有固定180°夹角,当该第二特定接收方向正对局部放电源时接收信号强度最弱;步骤S300中,将无线定向传感器分布在圆周上的角度作为横坐标,将无线定向传感器接收的局部放电信号的幅值作为纵坐标,分别对每组数据进行曲线拟合,并寻找该曲线上的最小值,该最小值对应的横坐标上的角度加/减180°即为该组数据对应的定向结果,然后对所有定向结果取平均值即为一段时间内测定的局部放电源的方向。
在某些实施方式中,无线定向传感器包括单极型PCB天线。
在某些实施方式中,神经网络为BP神经网络。
在某些实施方式中,曲线拟合采用三次样条插值拟合。
图2示意了基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下的流程。图3示意了基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型PCB天线的结构示意图。图4示意了该实施方式中单极型PCB天线的金属容器的仰视立体结构。图5示意了该实施方式中单极型PCB天线的金属容器的俯视立体结构。图6示意了该实施方式中无线传感阵列的结构。图7示意了该实施方式中BP神经网络的典型拓扑结构。
如图2所示,本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下的流程包括以下步骤1-步骤11:
其中,无线传感阵列包括若干无线定向传感器,该无线定向传感器包括单极型PCB天线和相应的信号处理电路,如图3所示的单极型PCB天线(图3中矩形线框示意性地表示单极PCB天线的线路板,椭圆形示意性地表示金属天线)安装在如图4所示的金属容器的底部空间B处,底部空间A处填充封装介质,其中在第一特定接收方向用可透电磁波的材料封装,其它方向用不可透电磁波的材料封装。与该第一特定接收方向呈180°角度差的方向为该无线定向传感器的第二特定接收方向。当该第一特定接收方向正对局部放电源时接收信号强度最强,当该第二特定接收方向正对局部放电源时接收信号强度最弱,位于该第一特定接收方向和该第二特定接收方向之间的方向正对局部放电源时接收信号强度平滑过渡。用于将单极型PCB天线接收的信号转换为幅值数据输出的信号处理电路安装在如图5所示的金属容器的顶部空间A处。
无线传感阵列如图6所示,将S1-S12一共12个无线定向传感器周向均匀排列安装在一圆形框架1上,形成一个圆形阵列,其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部以接收局部放电信号。以无线定向传感器S1为例,其第一特定接收方向D沿着圆周半径指向圆形阵列外部,与该第一特定接收方向D呈180°角度差的方向为该无线定向传感器的第二特定接收方向E。考虑到该过渡特性中信号强度最大值附近梯度较小而信号强度最小值附近梯度较大,本实施例采用寻找无线定向传感器接收信号强度最小值及其所对应的无线定向传感器在无线传感阵列中的方位角度,基于该方位角度确定局部放电源的方向。
步骤1:开始。
步骤2:传感器采集并传输数据。该步骤中,S1-S12一共12个无线定向传感器同时持续采集局部放电信号,按时间序列排列分组并转换为相应的幅值数据后传输给一数据处理装置。
步骤3:获取1分钟的放电幅值信息。该步骤中,局部放电持续1分钟,每秒产生1次局部放电,上述数据处理装置通过上述无线传感阵列获取1分钟内的60组局部放电信号的幅值数据,其中每组数据分别对应相应的时间点,每组数据中的每个数据分别对应相应的无线定向传感器。
步骤4:归一化。该步骤通过上述数据处理装置对上述每组幅值数据放进坐标系并进行归一化处理。其中,以无线定向传感器分布在圆周上的角度作为横坐标,以无线定向传感器接收的局部放电信号的幅值作为纵坐标,将上述60组局部放电信号的幅值数据放进坐标系,形成60组坐标数据。由于第1个无线定向传感器S1的角度既可以是0°,也可以是360°,因此我们将第1个无线定向传感器S1也看成是第13个无线定向传感器。
步骤5:神经网络训练。该步骤通过上述数据处理装置构建BP神经网络,基于BP神经网络对上述60组局部放电信号的幅值数据进行筛选,留下可信度高的数据组。
该步骤中,对60组数据,可能某些数据不准确,需要进行筛选工作,否则给后续的定向造成大量的误差。本实施例利用BP神经网络对于复杂随机非线性过程的学习能力进行数据筛选。该BP神经网络采用三层结构:输入层、隐含层和输出层。输入层为每组幅数据的13个纵坐标数据,输出层只含一个输出节点,结果用1或者0表示,隐含层和其他层通过权值连接。
当输入的13个无线定向传感器对应的纵坐标数据中某个数值和这个无线定向传感器对应的所有60次放电的均值之间相差较大时,认为该数据可信度较低,最后的输出结果用0表示,认为本组数据偏差较大,会造成较大的定向误差;当波动较小时,认为可信度较高,此时输出结果为1。BP神经网络典型结构如图7所示,其中X为输入层,W为隐含层,Y为输出层,x1-xm为输入节点,本实施例中m=13,y1-yn为输出节点,本实施例中n=1,wki和wij为连接权值。经过神经网络筛选后,留下结果为1的数据组,这样可得到数据波动较小的数据组。后续对留下来数据组进行操作。
步骤6:数据插值拟合。该步骤通过上述数据处理装置对上述经筛选的数据组分别进行插值拟合。
该步骤中,分别对经筛选留下的每组坐标数据进行曲线拟合,形成对应各组坐标数据的拟合曲线。
该步骤中,曲线拟合采用三次样条插值拟合。
三次样条插值,是在每两个相邻的横坐标[xj,xj+1]之间,令s(xj)=yj,s(xj+1)=yj+1,利用三次函数在子区间[xj,xj+1]上将s(xj)、s(xj+1)连接,表达式为:
s(x)=ajx3+bjx2+cjx+dj (1)
其中x∈(xj,xj+1),j=1,2,…,12,aj,bj,cj,dj为待定系数。
在每个子区间内建立同样的三次样条函数,共有12个子区间,所以有12个未知的三次函数和48个未知数,再由连接节点处的光滑性条件可得:
加上13个点的方程,共有46个方程,而未知数有48个,需要补充两个边界条件,本实施例选择自然边界条件,即边界点的二阶导数s″(x1)和s″(x13)值为0。
联立方程求解得到未知数后,利用三次样条函数将13个点连接,即得到拟合曲线。
步骤7:寻找曲线最低点对应的角度。该步骤中,通过上述数据处理装置分别寻找上述各条拟合曲线上的最小值,确定该最小值对应的横坐标上的角度。
步骤8:角度±180°。该步骤中,通过上述数据处理装置将上述各最小值对应的横坐标上的角度加/减180°即为各组数据对应的定向结果。
步骤9:获得定位结果。该步骤中,通过上述数据处理装置对上述所有定向结果取平均值即为上述1分钟内测定的局部放电源的方向。
步骤10:判断定位是否结束。该步骤中上述数据处理装置根据测向指令判断定位是否结束,若是则进入步骤11结束,若否则回到步骤2继续。
步骤11:结束。
上述无线传感阵列和数据处理装置相互数据连接,构成本实施例的基于神经网络和无线传感阵列的局部放电测向***。该***采用上述局部放电测向方法确定局部放电源的方向。
下面对上述实施例进行现场测试验证。
图8示意了一组幅值数据在坐标系中的三次样条插值拟合曲线。图9示意了基于未经BP神经网络筛选的幅值数据得到的各组数据对应的定向结果。图10示意了基于经BP神经网络筛选的幅值数据得到的各组数据对应的定向结果。其中,图8的横坐标为角度,纵坐标为归一化幅值,图例F为拟合曲线,图例G为实际获取的幅值数据坐标,图例H为寻找的拟合曲线上的纵坐标最小值对应的横坐标指示线。图9和图10的周向坐标为角度,径向坐标为归一化幅值。
在高压大厅,按照上述实施例的***和方法进行局部放电源的方向测定。选用12个无线定向传感器构建无线传感阵列,这样分辨率为30°,局部放电源方位角度设置为240°。局部放电持续1分钟,每秒产生1次局部放电。获取1分钟的放电幅值信息。利用三次样条插值方法将幅值数据连成一条连续光滑曲线,计算曲线上从0°到360°之间最低点。对数据的三次样条插值示意图如图8所示。未经BP神经网络筛选的定向结果见图9,可以看出定向结果的大都在240°~300°之间,在这之外,还存在少量的散点,具有较大的分散性。经过BP神经网络筛选后,定向结果大量减少,但是定向结果集中度大幅度提高,见图10,计算的平均值为245.9°,该角度即为上述1分钟内测定的局部放电源的方向,与实际局部放电源的方向之间的误差为5.9°。
要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。
Claims (10)
1.一种基于神经网络和无线传感阵列的局部放电测向方法,其对局部放电源的方向进行测定,其特征在于:所述无线传感阵列包括若干无线定向传感器,所述无线定向传感器至少具有第一特定接收方向,当该第一特定接收方向正对局部放电源时接收信号强度最强;所述无线传感阵列中的无线定向传感器的第一特定接收方向分别指向不同的方向以接收局部放电信号;
所述方法包括以下步骤:
S100:通过所述无线传感阵列获取一段时间内的若干组局部放电信号的幅值数据,其中每组数据分别对应相应的时间点,每组数据中的每个数据分别对应相应的无线定向传感器;
S200:构建神经网络,基于神经网络对所述若干组局部放电信号的幅值数据进行筛选,留下可信度高的数据组;
S300:基于经步骤S200筛选的数据组确定局部放电源的方向。
2.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述无线传感阵列中的无线定向传感器周向均匀排列在一圆周上形成圆形阵列,其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部。
3.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述步骤S300中,分别寻找所述每组数据中的最大值,该最大值对应的无线定向传感器的第一特定接收方向指向的方向即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
4.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述步骤S300中,将所述无线定向传感器分布在圆周上的角度作为横坐标,将所述无线定向传感器接收的局部放电信号的幅值作为纵坐标,分别对所述每组数据进行曲线拟合,并寻找该曲线上的最大值,该最大值对应的横坐标上的角度即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
5.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述无线定向传感器还具有第二特定接收方向,其与所述第一特定接收方向之间具有固定180°夹角,当该第二特定接收方向正对局部放电源时接收信号强度最弱;所述步骤S300中,分别寻找所述每组数据中的最小值,该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
6.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述无线定向传感器还具有第二特定接收方向,其与所述第一特定接收方向之间具有固定180°夹角,当该第二特定接收方向正对局部放电源时接收信号强度最弱;所述步骤S300中,将所述无线定向传感器分布在圆周上的角度作为横坐标,将所述无线定向传感器接收的局部放电信号的幅值作为纵坐标,分别对所述每组数据进行曲线拟合,并寻找该曲线上的最小值,该最小值对应的横坐标上的角度加/减180°即为该组数据对应的定向结果,然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。
7.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述无线定向传感器包括单极型PCB天线。
8.如权利要求1所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述神经网络为BP神经网络。
9.如权利要求4或6所述的基于神经网络和无线传感阵列的局部放电测向方法,其特征在于,所述曲线拟合采用三次样条插值拟合。
10.一种基于神经网络和无线传感阵列的局部放电测向***,其特征在于,该***包括数据连接的无线传感阵列和数据处理装置,采用权利要求1-9中任意一项的局部放电测向方法确定局部放电源的方向,其中,所述数据处理装置执行所述步骤S200和S300。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910175714.9A CN109991519B (zh) | 2019-03-08 | 2019-03-08 | 基于神经网络和无线传感阵列的局部放电测向方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910175714.9A CN109991519B (zh) | 2019-03-08 | 2019-03-08 | 基于神经网络和无线传感阵列的局部放电测向方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109991519A true CN109991519A (zh) | 2019-07-09 |
CN109991519B CN109991519B (zh) | 2021-11-16 |
Family
ID=67130309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910175714.9A Active CN109991519B (zh) | 2019-03-08 | 2019-03-08 | 基于神经网络和无线传感阵列的局部放电测向方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109991519B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501620A (zh) * | 2019-09-18 | 2019-11-26 | 国网陕西省电力公司咸阳供电公司 | 一种基于信号源特征的站域局部放电定位方法 |
CN113589116A (zh) * | 2021-08-11 | 2021-11-02 | 山东通广电子有限公司 | 一种检测局部放电位置的方法和*** |
CN113791318A (zh) * | 2021-09-01 | 2021-12-14 | 上海交通大学 | 基于多光谱检测阵列的局部放电故障识别方法及*** |
CN116165599A (zh) * | 2023-04-24 | 2023-05-26 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种超短波测向***及集成式超短波测向设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290346A (zh) * | 2008-04-29 | 2008-10-22 | 江苏维尔科技有限公司 | 腕带式定位装置 |
CN102665273A (zh) * | 2012-04-19 | 2012-09-12 | 中国科学技术大学苏州研究院 | 无线传感网络节点定位的方法 |
CN102967807A (zh) * | 2012-11-10 | 2013-03-13 | 西安交通大学 | 一种绝缘缺陷定位的方法 |
CN103713242A (zh) * | 2013-12-27 | 2014-04-09 | 上海交通大学 | 新型局部放电源空间定位用特高频传感器及其阵列 |
CN103969559A (zh) * | 2014-05-15 | 2014-08-06 | 国家电网公司 | 一种变电站电力设备局部放电空间定位方法及*** |
CN106019098A (zh) * | 2016-06-15 | 2016-10-12 | 国网北京市电力公司 | 局部放电定位方法、装置及*** |
CN106291281A (zh) * | 2016-08-08 | 2017-01-04 | 国网上海市电力公司 | 一种变电站设备局部放电定位***及其方法 |
US9658272B2 (en) * | 2011-09-19 | 2017-05-23 | Korea Electric Power Corporation | Method and device for determining the defect type of a partial discharge |
CN106771933A (zh) * | 2017-01-23 | 2017-05-31 | 天津大学 | 基于无线网络的电力电缆局部放电高频电流监测*** |
CN106970354A (zh) * | 2017-04-10 | 2017-07-21 | 南京邮电大学 | 一种基于多光源和光传感器阵列的三维定位方法 |
CN107085171A (zh) * | 2017-04-01 | 2017-08-22 | 西安交通大学 | 一种用于变电站局部放电测向的特高频相控阵的优化布置方法 |
CN107179491A (zh) * | 2017-06-21 | 2017-09-19 | 国家电网公司 | 一种基于模式识别的局部放电定位方法和*** |
CN107656180A (zh) * | 2017-09-25 | 2018-02-02 | 国网黑龙江省电力有限公司电力科学研究院 | 一种局部放电智能传感器检测方法 |
CN107942212A (zh) * | 2017-11-17 | 2018-04-20 | 国网天津市电力公司 | 一种基于空间谱无模糊估计的变电站局部放电定位方法 |
-
2019
- 2019-03-08 CN CN201910175714.9A patent/CN109991519B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290346A (zh) * | 2008-04-29 | 2008-10-22 | 江苏维尔科技有限公司 | 腕带式定位装置 |
US9658272B2 (en) * | 2011-09-19 | 2017-05-23 | Korea Electric Power Corporation | Method and device for determining the defect type of a partial discharge |
CN102665273A (zh) * | 2012-04-19 | 2012-09-12 | 中国科学技术大学苏州研究院 | 无线传感网络节点定位的方法 |
CN102967807A (zh) * | 2012-11-10 | 2013-03-13 | 西安交通大学 | 一种绝缘缺陷定位的方法 |
CN103713242A (zh) * | 2013-12-27 | 2014-04-09 | 上海交通大学 | 新型局部放电源空间定位用特高频传感器及其阵列 |
CN103969559A (zh) * | 2014-05-15 | 2014-08-06 | 国家电网公司 | 一种变电站电力设备局部放电空间定位方法及*** |
CN106019098A (zh) * | 2016-06-15 | 2016-10-12 | 国网北京市电力公司 | 局部放电定位方法、装置及*** |
CN106291281A (zh) * | 2016-08-08 | 2017-01-04 | 国网上海市电力公司 | 一种变电站设备局部放电定位***及其方法 |
CN106771933A (zh) * | 2017-01-23 | 2017-05-31 | 天津大学 | 基于无线网络的电力电缆局部放电高频电流监测*** |
CN107085171A (zh) * | 2017-04-01 | 2017-08-22 | 西安交通大学 | 一种用于变电站局部放电测向的特高频相控阵的优化布置方法 |
CN106970354A (zh) * | 2017-04-10 | 2017-07-21 | 南京邮电大学 | 一种基于多光源和光传感器阵列的三维定位方法 |
CN107179491A (zh) * | 2017-06-21 | 2017-09-19 | 国家电网公司 | 一种基于模式识别的局部放电定位方法和*** |
CN107656180A (zh) * | 2017-09-25 | 2018-02-02 | 国网黑龙江省电力有限公司电力科学研究院 | 一种局部放电智能传感器检测方法 |
CN107942212A (zh) * | 2017-11-17 | 2018-04-20 | 国网天津市电力公司 | 一种基于空间谱无模糊估计的变电站局部放电定位方法 |
Non-Patent Citations (5)
Title |
---|
FAN WU: "RSSI-Power-Based Direction of Arrival Estimation of Partial Discharges in Substations", 《ENERGIES》 * |
LI REN: "Partial Discharge Angle of Arrival Estimation Using UHF Wireless Sensor Array", 《IOP CONFERENCE SERIES: MATERIALS SCIENCE AND ENGINEERING》 * |
NASIR A.AL-GEELANI: "A review on hybrid wavelet regrouping particle swarm optimization neural networks for characterization of partial discharge acoustic signals", 《RENEWABLE AND SUSTAINABLE ENERGY REVIEWS》 * |
吴凡: "基于接收信号强度和圆形特高频无线传感阵列的局部放电测向方法", 《高电压技术》 * |
李臻: "基于特高频无线传感阵列的新型局部放电定位方法", 《高电压技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501620A (zh) * | 2019-09-18 | 2019-11-26 | 国网陕西省电力公司咸阳供电公司 | 一种基于信号源特征的站域局部放电定位方法 |
CN110501620B (zh) * | 2019-09-18 | 2022-05-17 | 国网陕西省电力公司咸阳供电公司 | 一种基于信号源特征的站域局部放电定位方法 |
CN113589116A (zh) * | 2021-08-11 | 2021-11-02 | 山东通广电子有限公司 | 一种检测局部放电位置的方法和*** |
CN113589116B (zh) * | 2021-08-11 | 2024-06-04 | 山东通广电子股份有限公司 | 一种检测局部放电位置的方法和*** |
CN113791318A (zh) * | 2021-09-01 | 2021-12-14 | 上海交通大学 | 基于多光谱检测阵列的局部放电故障识别方法及*** |
CN116165599A (zh) * | 2023-04-24 | 2023-05-26 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种超短波测向***及集成式超短波测向设备 |
CN116165599B (zh) * | 2023-04-24 | 2023-06-27 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种超短波测向***及集成式超短波测向设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109991519B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109991519A (zh) | 基于神经网络和无线传感阵列的局部放电测向方法及*** | |
CN107390097A (zh) | 一种gis声电联合局部放电仿真检测***及其检测方法 | |
CN105607053B (zh) | 一种浮标式高频地波雷达*** | |
CN106226761B (zh) | 一种高性能相干高频雷达多频探测方法 | |
CN105353268B (zh) | 一种用于输电线路分布式行波故障判断及定位方法 | |
CN106792808A (zh) | 一种基于信道状态信息的室内环境下视距路径识别方法 | |
CN108375713A (zh) | 一种新型电网故障行波定位方法和*** | |
CN105807183B (zh) | 一种基于非接触式传感器的输电线路故障定位方法 | |
CN104375007B (zh) | 一种基于相位识别的土壤电阻率测量方法及装置 | |
CN105974207A (zh) | 一种基于甚低频/低频三维全闪电探测定位*** | |
CN105277872B (zh) | 开关设备主电路电气连接异常的检测方法与装置 | |
CN109946573A (zh) | 基于聚类和无线传感阵列的局部放电测向方法及*** | |
CN106093733A (zh) | 电晕电流的测量装置及用其进行多点电晕电流定位方法 | |
CN110032827B (zh) | 基于代数弹性网正则化方法的电流元三维反演方法 | |
CN107966638A (zh) | 校正误差的方法和装置、存储介质及处理器 | |
CN206311522U (zh) | 一种土壤传感器 | |
CN108038419A (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN106918797B (zh) | 一种基于标准数字功率源的数字化电能表检定和溯源方法 | |
WO2017161630A1 (zh) | 一种小区域雷电监测定位方法及*** | |
CN108845188A (zh) | 一种远距离云地闪电的单站定位方法及*** | |
CN111999318A (zh) | 一种基于宇宙射线中子的土壤水分含量监测***及方法 | |
CN107894552A (zh) | 一种故障行波检测方法 | |
CN109254287A (zh) | 基于合成孔径雷达影像检测输电导线的方法 | |
CN108107322A (zh) | 一种电力电缆故障测距方法 | |
CN108362926A (zh) | 一种电压等级识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |