CN110275094A - 一种高压电缆局部放电声光联合检测方法及*** - Google Patents
一种高压电缆局部放电声光联合检测方法及*** Download PDFInfo
- Publication number
- CN110275094A CN110275094A CN201910371067.9A CN201910371067A CN110275094A CN 110275094 A CN110275094 A CN 110275094A CN 201910371067 A CN201910371067 A CN 201910371067A CN 110275094 A CN110275094 A CN 110275094A
- Authority
- CN
- China
- Prior art keywords
- signal
- shelf depreciation
- ultrasonic
- ultraviolet
- partial discharge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000002604 ultrasonography Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000036541 health Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 230000002463 transducing effect Effects 0.000 claims abstract description 3
- 239000000284 extract Substances 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000003750 conditioning effect Effects 0.000 claims description 8
- 230000003862 health status Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 239000000523 sample Substances 0.000 claims description 7
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000000527 sonication Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 2
- 239000000155 melt Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 11
- 230000006870 function Effects 0.000 abstract description 9
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 230000001360 synchronised effect Effects 0.000 abstract description 6
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 102100025142 Beta-microseminoprotein Human genes 0.000 description 1
- 241001513109 Chrysocephalum apiculatum Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 101000576812 Homo sapiens Beta-microseminoprotein Proteins 0.000 description 1
- 235000015429 Mirabilis expansa Nutrition 0.000 description 1
- 244000294411 Mirabilis expansa Species 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000013528 metallic particle Substances 0.000 description 1
- 235000013536 miso Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
-
- 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
- G01R31/1209—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 using acoustic measurements
-
- 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
- G01R31/1218—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 using optical methods; using charged particle, e.g. electron, beams or X-rays
-
- 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
- G01R31/1227—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 of components, parts or materials
- G01R31/1263—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 of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—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 of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种高压电缆局部放电声光联合检测方法及***,融合超声、紫外传感两种非电气检测技术,基于低成本、便携式的超声、紫外传感器,可进行复杂强电磁干扰环境下非固定式高压电缆巡检的局部放电检测方式,实现高压电缆局部放电紫外光及超声信号的同步高效采集,再通过超声和紫外光脉冲的多分析域局放信息挖掘与融合处理,极大丰富了局放的检测信息,提供单一技术提供不了的局放信息,进行局部放电类型精确识别判断、电缆故障诊断与健康状况评估,还实现了两路局放信息的实时存储、分析及可进一步在主控模块上实现显示和报警交互等***功能。
Description
技术领域
本发明属于电力***局部放电检测技术领域,具体涉及一种高压电缆局部放电声光联合检测方法及***。
背景技术
高压电缆故障直接关系到整个电力***的安全与稳定。在高压电缆及其终端、中间接头处,由于各部分电场强度往往是不相等的,容易发生局部放电,会对绝缘介质造成损坏,且损坏程度与放电量的大小、放电时间相关。如果此类故障得不到及时处理,有可能会导致绝缘的最终击穿与失效,甚至造成电力设备的损坏。为了预防此类事故的发生,在不影响正常输变电的情况下,高压电缆局部放电在线检测十分重要。
高压电缆局部放电时,会伴有电脉冲、电磁辐射、超声波、紫外光等物理现象及各种化学生成物,这些放电信息包含丰富的绝缘状况信息。针对以上物理、化学现象,目前局部放电有多种检测方法,主要分为电气测量法和非电气测量法两大类。电气测量法主要有脉冲电流法、特高频检测法等。国内普遍采用这种方法,但实际应用效果往往不够理想,主要原因是现场电气噪声干扰大,局部放电信号提取困难,目前抑制干扰的方法还在理论和应用方面作进一步研究和完善。
非电气测量法主要包括超声波检测法、紫外光测法、红外检测法、化学检测法等,优点是测量中不受电气信号的干扰,抗干扰能力强。相应的检测设备有:超声波探测仪、紫外成像仪、红外热像仪、变压器油分析仪等,以及基于电离、激发和复合过程中光辐射的检测方法等。这些方法有各自的优点,也存在一定问题。
局部放电的常用检测方法对比如下表所示:
由上表可以看出,目前检测方法以单一技术类型检测为主,多参量监测局部放电的仪器以脉冲电流法与超声检测法、特高频法与脉冲电流法、特高频法与超声检测法结合等为主,均以电气方法联合检测为主,强电磁干扰环境下局放信号提取困难。CN102495343B提出的紫外与超声联合检测***采用阵列式传感结构,紫外传感器采用光谱成像方式,成本较高;对于长距离高压电缆局放检测***整体结构复杂,适于分布式定点安装检测,不便于携带巡检;而且局放信息提取以超声和紫外光谱信号进行小波包分解后获得的能量谱分布及熵信号为主,提取信息有限,功能较单一,只涉及局放判断及简单的类型识别,没有涉及电缆故障诊断及健康状况评估等重要功能;CN207424175U提出的紫外、超声及超高频联合检测方法,主要针对开关柜局放进行定点检测,不适合高压电缆的便携式巡检,且以硬件装置为主,没有涉及具体的信息挖掘及融合方法。
发明内容
本发明的目的在于:强电磁干扰环境下局放信号提取困难,且现有的一些采用声光联合检测的方法存在其装置只适用于定点检测,不便于高压电缆巡检,以及提取和挖掘的局放信息有限,局放类型识别准确性不够,而且未解决电缆故障诊断与健康状况评估问题,因此本发明提出了一种高压电缆局部放电声光联合检测方法及***。
本发明采用的技术方案如下:
一种高压电缆局部放电声光联合检测方法,所述方法如下
对采集的超声波信号和紫外脉冲信号分别进行局部放电特征信息提取和统计;
对超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息进行信息融合;
基于KNN分类方法对融合后的局部放电特征信息进行局部放电类型判断;
基于判断得到的局部放电类型进行电缆故障判断与健康状态评估。
进一步,所述方法在对采集的超声波信号和紫外脉冲信号分别进行局部放电特征信息提取之前还包括在如下步骤:对采集的超声波信号和紫外信号分别进行检测并判断是否发生局部放电,具体为:
超声信号检测判断是否发生局部放电:对超声信号进行幅值检测,幅值超过设定阈值则判断发生局部放电;该步骤还包括防误判操作:对超声信号进行快速傅里叶变换,找出频率强度最高的频率值作为中心频率,检测到幅值超过设定阈值且中心频率在局放超声频率范围内则判断发生局部放电;
紫外脉冲信号检测判断是否发生局部放电:检测到紫外信号有紫外脉冲信号则判断发生局部放电。
进一步,所述提取和统计的局部放电特征信息包括:
超声信号提取的:超声波数量、首尾超声波时间差、超声波峰峰值、超声波中心频率、中心频率强度、时域、频域、变换域以及模型参数特征;
紫外脉冲信号提取的:紫外脉冲数量、首尾紫外脉冲时间差、脉冲平均间隔。
进一步,所述对超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息进行信息融合的方法为:在特征层对超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息融合,先将超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息合成一个50维的高维特征向量,再对该特征向量进行特征降维或特征选取。
进一步,所述基于KNN分类方法对融合后的局部放电特征信息进行局部放电类型判断的具体方法为:
对融合后的局部放电特征信息进行统计分析不同类型局部放电的差异及其可分辨特征,并提取可分辨特征向量,建立局部放电类型事件特征库;
基于KNN分类方法对局部放电类型事件特征库进行聚类分类,具体为:先根据局部放电类型事件特征库中各种局部放电类型的每个特征向量建立一个平衡kd树,通过搜索该平衡kd树得到k个最近邻点,将本次的局部放电类型归入这K个最近邻点的特征向量中占比最大的事件类型。
进一步,所述基于判断得到的局部放电类型进行电缆故障判断与健康状态评估具体方法为:
电缆故障判断:根据得到的局部放电类型及其发生频次,对最可能出现的线缆故障进行判断和预测;
健康状态评估:根据长时间提取和统计的局部放电特征信息、局部放电类型及其发生频次,形成局部放电监测的报警日志,基于报警日志对线缆健康状态进行评估。
基于上述高压电缆局部放电声光联合检测方法的一种高压电缆局部放电声光联合检测***,包括传感器模块、信号驱动模块、主控模块和电源模块,所述传感器模块包括检测超声信号的便携式超声传感器和检测紫外信号的便携式紫外传感器,所述信号驱动模块包括与超声传感器连接的超声驱动电路和与紫外传感器连接的紫外驱动电路;
所述超声驱动电路包括与超声传感器件信号输出端连接的信号调理电路以及信号调理电路上外置的ADC转换电路,超声驱动电路将接收到的超声传感器的超声模拟信号转换为电压信号并传输到主控模块,完成超声信号的采集;
所述紫外驱动电路,通过主控模块自带的的定时器捕捉脉冲信号转换电路输出的紫外脉冲信号,即采用脉冲捕获方式完成紫外信号的采集。
主控模块对接收到的超声信号和紫外信号进行局部放电信息分析处理和存储;
所述电源模块为***供电。
进一步,所述传感器模块采用单只便携式的紫外光脉冲和超声集成探头。
进一步,所述主控模块采用SD卡进行实时存储,并采用移植FATFS文件***以及SDIO结合DMA的方式进行存储。
进一步,所述主控模块对接收到的超声信号和紫外信号进行局部放电信息分析处理具体包括:对超声信号进行频谱分析和对紫外信号进行紫外脉冲信号统计分析。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,融合超声、紫外传感两种非电气检测技术,提出一种复杂强电磁干扰环境下高压电缆的局部放电声光联合检测方法及***,基于低成本、便携式的超声、紫外传感器可进行非固定式高压电缆巡检的局部放电检测方式,实现高压电缆局部放电紫外光及超声信号的同步高效采集,再通过超声和紫外光脉冲的多分析域局放信息挖掘与融合处理进行局部放电类型识别、电缆故障诊断与健康状况评估,还实现了两路局放信息的实时存储、分析及可进一步在主控模块上实现显示和报警交互等***功能。
2、本发明中,基于低成本超声、紫外光脉冲集成传感探头及解调装置,可配合便携式的主控模块采用便携式巡检方式进行高压电缆的局放检测,不采用固定安装方式,且使用更加简便,只需单人就可携带设备进行,避免***安装等工程施工及更换电池带来的维护麻烦。
3、本发明中,针对局部放电超声与紫外光脉冲信号各自的特点,对包含丰富放电信息的超声波信号采用外设ADC模数转换的方式进行采集,对TTL电平的紫外光脉冲信号采用脉冲捕获的方式进行采集,合理利用了STM32主控模块的计算资源,在有限的硬件条件下使得采样频率达到100kHz以上,同时节约了数据的存储空间,实现了局部放电的超声和紫外光脉冲信号的同步高效采集。
4、本发明中,针对低成本装置获取的有限超声及紫外光脉冲信号进行多分析域局部放电信息挖掘与融合处理,极大丰富了局放的检测信息。超声波信号与紫外光脉冲信号均包含丰富的放电信息。通过局放超声和紫外响应信号的信息挖掘,提供单一技术提供不了的局放信息,满足近距离检测精度的同时,实现远距离的检测能力。通过超声和紫外信号的放电频次、放电时间、放电强度、放电频谱等信息的准确获取,以及对超声信号时域、频域、变换域和模型参数等四个分析域进行更深层次的信息挖掘,实现局放类型的精确判断。
5、本发明中,提出了不依赖相位的基于KNN的局部放电类型判断方法。传统的局部放电类型判断高度依赖高压电的相位。在本发明专利中,直接根据超声、紫外传感器获得的声光信息融合得到的特征向量,基于KNN分类器对局放类型进行分类,具有计算简便,识别率高的优点,便于在低成本设备上实现,具有高可行性与实用性。
6、本发明中,基于以上局部放电检测信息可实现电缆故障诊断及健康状况评估。基于电缆故障与局部放电类型的联系,根据检测到的局部放电类型可推断最可能出现的电缆故障;巡检电缆若干次,记录局部放电的频次以及发生地点,可形成报警日志,根据报警日志对整条电缆健康状况进行评估,功能完善且更加实用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明高压电缆局部放电声光联合检测***框图;
图2为本发明实施例1中局部放电声光联合检测***的便携式巡检方法;
图3为本发明实施例1中声光数据实时存储流程示意图;
图4为本发明实施例1中声光信号实时动态显示流程示意图;
图5为本发明实施例1中局放信息及报警状态的动态显示流程示意图;
图6为本发明实施例1中***主界面示意图;
图7(a)为本发明实施例1中***超声信号时域波形显示界面示意图;
图7(b)为本发明实施例1中***超声信号频域信息显示界面示意图;
图7(c)为本发明实施例1中***紫外光脉冲信号显示界面示意图;
图8为本发明实施例1中高压电缆局部放电声光联合检测方法流程示意图;
图9为本发明实施例1中局部放电声光联合检测方法的线缆健康状况评估示意图;
图10为本发明实施例1中局部放电声光联合检测***的超声驱动电路的原理图;
图11为本发明实施例1中局部放电声光联合检测***的紫外驱动电路的原理示意图;
图12为本发明实施例1中局部放电声光联合检测***的主控模块图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要说明的是文中提到的局放即为局部放电。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
本发明较佳实施例提供的一种高压电缆局部放电声光联合检测***,如图1所示,包括传感器模块、信号驱动模块、主控模块和电源模块,所述传感器模块包括检测超声信号的便携式超声传感器和检测紫外信号的便携式紫外传感器,所述信号驱动模块包括与超声传感器连接的超声驱动电路和与紫外传感器连接的紫外驱动电路,超声驱动电路和紫外驱动电路分别对超声传感器检测到的超声信号和紫外传感器检测到的紫外信号进行信号调理及转换后传输到主控模块,主控模块对接收到的超声信号和紫外信号进行局部放电信息分析处理和存储,所述电源模块为***供电。
主控模块采用STM32主控模块。超声、紫外传感器负责搜集局放过程伴随的声光信号,由信号驱动模块对声光信号进行信号调理和转换,其中超声信号经过驱动电路转换为电压信号,经模数转换后通过SPI通信方式传输到STM32主控模块,紫外光信号经过紫外驱动电路转换为脉冲信号,由STM32通过脉冲捕获方式进行采集。最后,STM32主控模块对局放声光信号进行实时存储、波形显示、分析处理及预警提示。
***传感器模块采用单只便携式的紫外光脉冲和超声集成探头,和便携式主机,***结构简单,便于随身携带进行巡检,且易于维护。
(1)***局部放电的声光信号同步高效采集:
进一步,所述超声驱动电路包括与超声传感器件信号输出端连接的信号调理电路以及信号调理电路上外置的ADC转换电路,其电路原理图如图10所示。超声驱动电路将接收到的超声传感器的超声模拟信号转换为电压信号并传输到主控模块,完成超声信号的采集。本实施例中,根据超声传感器选型,搜集的局放超声信号是中心频率在40kHz左右的带通信号,该信号通过信号调理电路上外置ADC进行模数转化,STM32主控模块通过SPI通信接收超声波的数字信号。
所述紫外驱动电路的原理示意图如图11所示,包括脉冲信号采集电路和脉冲信号调理电路,脉冲信号调理电路最后输出的脉冲信号连接到主控模块的MISO接口,通过主控模块自带的的定时器捕捉紫外驱动电路输出的紫外脉冲信号,即采用脉冲捕获方式完成紫外信号的采集。主控模块的电路原理图如图12所示。局放紫外光信号经驱动电路转为紫外光脉冲信号,紫外光脉冲信号是方波信号,其频带宽,对***采样率要求高,若采用外置ADC对声光信号进行同步高速采集,会对CPU资源占用率高,同时浪费大量的信号存储空间。本发明拟采用基于脉冲捕获的紫外光脉冲信号高效采集方法来解决该问题。具体步骤:采用定时器的输入捕获方式对脉冲信号的脉冲宽度、脉冲个数进行测量,即通过定时器通道捕捉到紫外驱动模块输出的脉冲信号,触发捕获中断,经中断函数处理返回脉冲上升沿、下降沿等信息,再通过主程序计算处理后得到脉冲个数、脉冲平均间隔、脉冲持续间隔。脉冲捕获方式比常规模数转换方式处理时间短,有效减少嵌入式CPU资源的占用和紫外光脉冲信号的存储空间。通过脉冲捕获方式实现紫外光脉冲信号高效率采集后,即可实现局部放电时超声与紫外信号的同步高效采集。
(2)***局放信号及报警信息的实时交互功能实现:
(2.1)声光信号实时存储功能:
进一步,所述主控模块采用SD卡进行实时存储,并采用移植FATFS文件***以及SDIO结合DMA的方式进行存储。SD驱动有SPI和SDIO两种模式,同等情况下SDIO模式读写速度要快于SPI模式,由于本***需要实时存储大量声光传感数据,因此采用SDIO模式,同时结合无需占用CPU资源的DMA方式进一步加快数据的传输。为了方便SD卡文件的管理,移植了FATFS文件***。当***检测到局放发生时,通过FATFS方式创建保存数据的文件,然后将声光传感数据用DMA的方式传输到SD卡,并以SDIO方式写入到前面创建的文件当中,从而完成声光数据的实时保存。程序设计流程如图3所示。
(2.2)***声光信号的实时动态显示功能:
进一步,所述主控模块对接收到的超声信号和紫外信号进行局部放电信息分析处理具体包括:对超声信号进行频谱分析和对紫外信号进行紫外脉冲信号统计分析。
超声与紫外信号的实时显示流程,如图4所示,主要显示紫外光脉冲信号波形、超声时域信号波形、超声信号频谱分析。
***上电之后,先初始化配置好STM32平台与显示屏两端的串口通信参数,串口波特率均设置为460800bps。当***检测到局放发生时,将STM32平台读取到的声光数字电信号数据以及超声信号经过FFT处理得到的频谱分析数据、紫外光脉冲信号分析得到的脉冲个数和脉冲平均间隔等数据通过串口通信发送至显示屏端,分别在对应的界面实时显示出动态波形。
(2.3)局放信息及报警状态的动态显示功能:
局放信息及报警状态的动态显示流程如图5所示。***检测到局放发生后,实时对局放信息进行分析,通过超声信号频谱分析得到超声信号的中心频率,通过紫外光脉冲信号统计分析得到脉冲个数及脉冲平均间隔,其中脉冲个数反映局放发生的频次,脉冲平均间隔反映局放强度。同时显示屏端实时更新局放报警状态,即由正常状态下的绿色状态图标改变为红色报警状态图标,并由蜂鸣器发出报警声音,以提醒维护人员局放情况的发生,从而及时做出决策判断。
对显示屏进行界面设计。通过软件DGUS v5.1设计4个界面,包括一个***主界面和三个波形显示界面。其中图6为***主界面;图7为各子信号波形显示界面,其中(a)显示超声信号时域波形,(b)显示超声信号频域波形以及对应的中心频率值,(c)显示紫外光脉冲信号波形,以及对应的脉冲个数、脉冲平均间隔值。
图7三幅图中运行状态图标为红色表示当前判断为局放发生状态,在正常状态时图标为绿色。由图7(a)、图7(c),本***成功捕捉并通过迪文串口屏显示了超声时间信号、紫外光脉冲信号波形,且均与示波器上显示的信号波形保持一致。由图7(b),本***计算出的超声信号中心频率为39kHz左右,符合超声传感器的频率响应范围37k~45kHz。另外,经过实际测试,本***中超声·信号采样率为162kHz,根据奈奎斯特采样定理,满足了超声时间信号恢复的要求,也进一步说明了图7(a)结果的准确性与可靠性。图7(c)中紫外脉冲个数为5,脉冲平均间隔为96ms,脉冲持续间隔为480ms,表明局放频次较大,局放强度较高且持续时间长。
一种高压电缆局部放电声光联合检测方法,方法可通过其他***和装置得到需要采集的数据和分析结果,该方法也可结合上述强电磁干扰下高压电缆局部放电声光联合检测***进行声波信号和紫外脉冲信号的采集,方法中需要的局部放电特征信息可通过上述***采集分析得到。本方法可以基于上述***进行,可包含上述***中的全部特征。
基于图1的声光联合检测***,具体的局部放电声光联合检测方法流程如图8所示。***先分别对超声波信号与紫外光脉冲信号进行实时采集,依据超声信号的幅度、中心频率,以及紫外光信号的脉冲并实时判断是否发生局部放电。当超声波和紫外光脉冲信号任意一个检测到有局部放电发生时,分别提取并***部放电相关特征信息,如局放的频次、持续时间、强度等;针对超声信号特别提取局放频谱分布规律以及信号时域、频域、变换域和模型参数等四个分析域特征,在特征层进行声光信息融合和降维,基于KNN方法进行局部放电类型判断;基于局放类型对电缆故障进行判断,根据长时间的局放报警日志统计信息对电缆的健康状态进行整体评估。
(1)方法中基于超声波信号的局放判断实现
基于超声波信号的局放判断方法:
实时检测超声波信号的幅值与中心频率来判断局放是否发生。具体地,没有局部放电放生时,实时采集到的波信号是较为平静的;有局部放电发生时,会产生幅值较大的衰减的波信号。因此设定一定的阈值,同时实时检测超声波信号的幅值,如果幅值超过阈值则判断为信号异常;另外,某些因碰撞等原因产生的尖峰噪声也可能会引起信号异常,产生误报。因此对实时采集到的超声波信号进行快速傅里叶变换,找出频率强度最高的频率值,作为中心频率。检测到信号异常时,若中心频率也在局放超声频率范围内(即20kHz~100kHz),则判断为有局部放电发生。
基于紫外光脉冲信号的局放判断方法:
实时检测紫外信号是否产生脉冲来判断局放是否发生。对于紫外光脉冲信号,没有局部放电发生时,实时采集到的紫外信号一直是低电平信号;当有局部放电发生时,紫外信号变为标准的TTL电平的方波脉冲信号。因此,实时检测紫外信号是否产生脉冲就能反映局部放电是否发生。
对于超声信号,当检测到有局放发生时,进行下一步的局放放电特征信息提取,如果未检测到有局放发生,则返回超声信号采集继续进行局放的超声信号采集。对于紫外信号与超声信号类似,此处不再过多赘述。
(2)方法中基于超声和紫外光脉冲信号的多分析域局部放电信息提取和挖掘
首先针对超声波信号提取超声波数量、首尾超声波时间差、超声波峰峰值、超声波中心频率、中心频率强度五个特征;针对紫外光脉冲信号提取紫外脉冲数量、首尾紫外脉冲时间差、脉冲平均间隔三个特征。据此完成基础局放信息的判断,包括局放频次、局放持续时间、局放强度以及局放频谱四类关键信息。另外,为了后续的局放类型的识别,对含有丰富局放信息的超声波信号进一步提取时域、频域、变换域以及模型参数特征。特征列表如下表所示:
具体方法如下:
局放频次的相关特征以及统计方法:
每次局部放电通常会包含若干个相邻的放电过程,而每次放电均会产生一次超声波信号与紫外光脉冲信号。因此分别计算超声波的衰减波的个数与紫外脉冲的脉冲个数即可得到局放频次。考虑到可能会有漏检情况,若两个信号得到的局放频次不相等,取二者中较高值作为局放频次。
局放的持续时间相关特征以及计算方法:
与局放频次的统计类似,分别计算第一个超声波到最后一个超声波的时间差,第一个紫外脉冲到最后一个紫外脉冲的时间差,即可得到局放的持续时间。考虑到可能会有误差存在,取二者平均值作为局放持续时间。
局放强度相关特征以及计算方法:
超声波信号是一个衰减的波信号,波的峰峰值与局放强度呈正相关关系,因此计算波的峰峰值即可作为判断局放强度的依据;紫外光脉冲信号是方波信号,脉冲间隔与局放强度呈负相关关系,因此计算脉冲信号的平均脉冲间隔即可作为判断局放强度的依据。
局放频谱相关特征以及分布规律提取方法:
对局放的超声波信号进行快速傅立叶变换(FFT),找到强度最高的频率点,作为中心频率。超声波的中心频率以及中心频率强度是非常重要的局放信息。
其他局放相关信息:除了以上四类较为明显的局放特征外,分别从时域、频域、变换域和模型参数等四个分析域进一步地挖掘超声信号的局放特征,进行局放类型的识别。具体特征提取方法如下:
时域特征提取:
信号的时域结构特征是不同类型局放信号最直接的体现。在时间域对超声信号提取冲击强度、短时平均能量、短时平均幅值三个特征。
频域特征提取:
频域特征可以有效反映信号中隐含的周期特征及在频域的能量分布。在本实施例中,对超声信号提取时域特征同时,对时域超声信号的自相关函数进行傅里叶变换,得到其功率谱(PSD),再基于功率谱提取功率谱的幅度与形状统计特征,具体包括PSD的幅度均值、形状均值、幅度标准差、形状标准差、幅度偏度、形状偏度、幅度峰度、形状峰度八个特征值。
变换域特征提取:
此外,对超声信号进行时频域分析,实现信号的多尺度精细化分析。对超声信号进行3层小波包变换提取各层小波包能量谱、小波包信息熵等特征;同时提取12阶梅尔倒谱(MFCC)系数等特征。
模型参数特征提取:
在实际应用场景中,传感器采集到的局放信号带有背景噪声,因此信号具有一定的非平稳性与时变特征,这里增加采用参数模型分析法反映信号在时域和频域的特性。在本实施例中,采用自回归模型(AR)与线性预测模型(LPC),分别对超声信号提取5阶自回归(AR)模型系数和5阶线性预测(LPC)系数作为局放信号的模型参数特征。
基于表2中八个特征类型分别提取到的超声信号特征与紫外信号特征构建局放信号分类识别的特征向量。在本发明实施例中,基于超声信号提取的特征量构建的特征矢量为47维;基于紫外光脉冲信号提取的特征量构建的特征矢量为3维。
(3)方法中基于超声和紫外光脉冲信号的局部放电信息融合实现:
在对两路单独采集的超声及紫外光脉冲信号进行特征提取后,在特征层进行信息融合。首先对超声波信号与紫外信号分别提取到的特征向量合成一个50维的高维特征向量,再对该特征向量进行特征降维或特征选取。在本实施例中,采用主成分分析(PCA)或线性判别分析(LDA)方法进行特征降维,降维到6维。
(4)方法中基于KNN的局部放电类型判断实现
传统的局部放电类型判断高度依赖高压电的相位,根据局部放电的PRPD图(相位分辩的局部放电图)、PRPS图(相位分辩的脉冲序列图)、散点图等进行人工识别或构建模型对图片进行分类,从而实现局部放电类型的判断。这种方法计算量大,模型复杂。
在本发明专利中,直接将超声、紫外信号获得的特征向量输入训练的KNN分类器进行分类,具有计算简便,识别率高的优点,便于在低成本设备上实现,具有高可行性与实用性。
具体地,根据降维得到的特征向量,画出相关的特征谱图,如特征空间散点图及雷达图等,统计分析不同类型局放的差异及其可分辨特征。对于不同局放类型,如尖端放电、内部放电、悬浮放电、沿面放电等产生的声光信号,分别提取以上可分辨特征向量,并贴上局放类型标签1,2,3,4,建立局放类型事件特征库如下表所示:
局部放电类型 | 样本数量 | 事件标签 |
尖端放电 | 200 | 1 |
内部放电 | 200 | 2 |
悬浮放电 | 200 | 3 |
沿面放电 | 200 | 4 |
基于最近邻分类方法(KNN)直接对特征库进行聚类分类。考虑到特征向量经过压缩后,特征空间维数远小于特征库样本数,因此采用构建kd树的方法来实现KNN算法更为适合,其时间复杂度为O(log N),相比于时间复杂度为O(N)的采用线性扫描的KNN算法,效率更高。具体方法如下:
事先根据事件特征库中各种放电类型的每个特征向量建立一个平衡kd树。检测到局部放电后,通过搜索该平衡kd树得到k个最近邻点(即在特征空间与该局部放电特征向量距离最近的k个点)。将本次检测得到的局放信号类型归入这K个特征向量中占比最大的事件类型。距离度量采用欧氏距离,即:
其中两个特征向量分别为x=(x1,x2,......,xn),y=(y1,y2,......,yn),n表示特征向量的维度。局部放电的类型判断是很重要的结果,它直接影响到后续的线缆故障诊断及健康状态评估。
(5)方法中基于判断的局放类型进行线缆故障诊断实现:
根据KNN分类器识别的局放类型及其发生频次,对最可能出现的线缆故障进行判断和预测,辅助维护人员快速判断线缆故障原因,及时定位线缆故障问题并进行解决。
具体地,例如若产生尖端放电,则很可能是外半导电层尖端问题,即在电缆制作过程中,电层断口处环切不当,导致导体部分出现尖端或毛刺。在高电压作用下,致使尖端或毛刺处发生局放;若产生内部放电,则很可能是外半导电层间隙问题,即电缆在制造过程或使用过程中,绝缘体内部出现了杂质或产生了气隙,在高电压作用下,杂质与气隙产生局部放电;若产生悬浮放电,则很可能是高电位金属尖端问题,即现场安装电缆及附件时不慎在线芯中混入金属颗粒,致使发生局部放电;若产生沿面放电。则很可能是施工质量问题,即在电缆附件安装过程中,对弹性变形过盈量考虑不足。
(6)方法中基于长时间局放监测的报警日志对线缆健康状态进行评估实现:
线缆的健康状态直接影响到输配电***的稳定性。在长时间的使用后易发生线缆绝缘老化等状况,导致温度过高,甚至引起火灾。局部放电是判断线缆老化状况的重要指标。采用该局部放电声光联合检测方法,在一段时间(例如24小时)内对整条线缆进行巡检若干次,记录局部放电及其发生时间、地点、强度、频次与类型,形成局放报警日志,如下表所示:
序号 | 时间 | 地点 | 局放强度 | 局放频次 | 局放类型 |
1 | |||||
2 | |||||
3 | |||||
4 | |||||
… |
进而对整条高压线缆健康状态进行分区段评估,如图9所示。
具体方法是:将整条线缆分为若干段,根据报警日志,统计该段时间内每一段线缆的平均局放强度与累计的局放频次,并将其与预设的阈值进行比较,得到各段线缆的健康状态信息:如果局放频次与局放强度同时低于阈值,则代表该段线缆线缆健康状况良好,用绿色按钮“健康”表示;如果局放频次与局放强度任一值高于阈值,则代表该段线缆健康状况有异常,用黄色按钮“警告”进行报警提示;如果局放频次与局放强度同时高于阈值,则代表该段线缆健康状况非常危险,用红色按钮“危险”进行报警提示。据此得到整条线缆的健康状况,便于维护人员对线缆老化及故障点进行及时重点维护。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种高压电缆局部放电声光联合检测方法,其特征在于:所述方法如下
对采集的超声波信号和紫外脉冲信号分别进行局部放电特征信息提取和统计;
对超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息进行信息融合;
基于KNN分类方法对融合后的局部放电特征信息进行局部放电类型判断;
基于判断得到的局部放电类型进行电缆故障判断与健康状态评估。
2.根据权利要求1所述的一种高压电缆局部放电声光联合检测方法,其特征在于:所述方法在对采集的超声波信号和紫外脉冲信号分别进行局部放电特征信息提取之前还包括在如下步骤:对采集的超声波信号和紫外信号分别进行检测并判断是否发生局部放电,具体为:
超声信号检测判断是否发生局部放电:对超声信号进行幅值检测,幅值超过设定阈值则判断发生局部放电;该步骤还包括防误判操作:对超声信号进行快速傅里叶变换,找出频率强度最高的频率值作为中心频率,检测到幅值超过设定阈值且中心频率在局放超声频率范围内则判断发生局部放电;
紫外脉冲信号检测判断是否发生局部放电:检测到紫外信号有紫外脉冲信号则判断发生局部放电。
3.根据权利要求1所述的一种高压电缆局部放电声光联合检测方法,其特征在于:所述提取和统计的局部放电特征信息包括:
超声信号提取的:超声波数量、首尾超声波时间差、超声波峰峰值、超声波中心频率、中心频率强度、时域、频域、变换域以及模型参数特征;
紫外脉冲信号提取的:紫外脉冲数量、首尾紫外脉冲时间差、脉冲平均间隔。
4.根据权利要求1所述的一种高压电缆局部放电声光联合检测方法,其特征在于:所述对超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息进行信息融合的方法为:在特征层对超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息融合,先将超声波信号的局部放电特征信息和紫外脉冲信号的局部放电特征信息合成一个50维的高维特征向量,再对该特征向量进行特征降维或特征选取。
5.根据权利要求1所述的一种高压电缆局部放电声光联合检测方法,其特征在于:所述基于KNN分类方法对融合后的局部放电特征信息进行局部放电类型判断的具体方法为:
对融合后的局部放电特征信息进行统计分析不同类型局部放电的差异及其可分辨特征,并提取可分辨特征向量,建立局部放电类型事件特征库;
基于KNN分类方法对局部放电类型事件特征库进行聚类分类,具体为:先根据局部放电类型事件特征库中各种局部放电类型的每个特征向量建立一个平衡kd树,通过搜索该平衡kd树得到k个最近邻点,将本次的局部放电类型归入这K个最近邻点的特征向量中占比最大的事件类型。
6.根据权利要求1所述的一种高压电缆局部放电声光联合检测方法,其特征在于:所述基于判断得到的局部放电类型进行电缆故障判断与健康状态评估具体方法为:
电缆故障判断:根据得到的局部放电类型及其发生频次,对最可能出现的线缆故障进行判断和预测;
健康状态评估:根据长时间提取和统计的局部放电特征信息、局部放电类型及其发生频次,形成局部放电监测的报警日志,基于报警日志对线缆健康状态进行评估。
7.基于上述权利要求1-6任一项所述高压电缆局部放电声光联合检测方法的一种高压电缆局部放电声光联合检测***,包括传感器模块、信号驱动模块、主控模块和电源模块,其特征在于:所述传感器模块包括检测超声信号的便携式超声传感器和检测紫外信号的便携式紫外传感器,所述信号驱动模块包括与超声传感器连接的超声驱动电路和与紫外传感器连接的紫外驱动电路;
所述超声驱动电路包括与超声传感器件信号输出端连接的信号调理电路以及信号调理电路上外置的ADC转换电路,超声驱动电路将接收到的超声传感器的超声模拟信号转换为电压信号并传输到主控模块,完成超声信号的采集;
所述紫外驱动电路,通过主控模块自带的的定时器捕捉脉冲信号转换电路输出的紫外脉冲信号,即采用脉冲捕获方式完成紫外信号的采集。主控模块对接收到的超声信号和紫外信号进行局部放电信息分析处理和存储;
所述电源模块为***供电。
8.根据权利要求7所述的一种高压电缆局部放电声光联合检测***,其特征在于:所述传感器模块采用单只便携式的紫外光脉冲和超声集成探头。
9.根据权利要求7所述的一种高压电缆局部放电声光联合检测***,其特征在于:所述主控模块采用SD卡进行实时存储,并采用移植FATFS文件***以及SDIO结合DMA的方式进行存储。
10.根据权利要求7所述的一种高压电缆局部放电声光联合检测***,其特征在于:所述主控模块对接收到的超声信号和紫外信号进行局部放电信息分析处理具体包括:对超声信号进行频谱分析和对紫外信号进行紫外脉冲信号统计分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910371067.9A CN110275094B (zh) | 2019-05-05 | 2019-05-05 | 一种高压电缆局部放电声光联合检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910371067.9A CN110275094B (zh) | 2019-05-05 | 2019-05-05 | 一种高压电缆局部放电声光联合检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110275094A true CN110275094A (zh) | 2019-09-24 |
CN110275094B CN110275094B (zh) | 2021-06-08 |
Family
ID=67960361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910371067.9A Expired - Fee Related CN110275094B (zh) | 2019-05-05 | 2019-05-05 | 一种高压电缆局部放电声光联合检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110275094B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738334A (zh) * | 2019-10-21 | 2020-01-31 | 邹威 | 一种多平台信息交互电力安全生产管理*** |
CN111626153A (zh) * | 2020-05-13 | 2020-09-04 | 电子科技大学 | 一种基于集成学习的局放故障状态识别方法 |
CN111666912A (zh) * | 2020-06-15 | 2020-09-15 | 国网山东省电力公司潍坊供电公司 | 计及电气特征量与图形特征的局部放电融合特征提取方法 |
CN111896852A (zh) * | 2020-08-07 | 2020-11-06 | 国网河南省电力公司西峡县供电公司 | 基于小波分析对超声波信号的抗干扰处理方法 |
CN112051493A (zh) * | 2020-09-17 | 2020-12-08 | 海南电网有限责任公司琼海供电局 | 一种配电网设备的隐患类型识别方法及装置 |
CN112162181A (zh) * | 2020-09-27 | 2021-01-01 | 北京南洋思源智能科技有限公司 | 一种监测方法、装置及计算机可读存储介质 |
CN112684310A (zh) * | 2021-01-20 | 2021-04-20 | 山东和兑智能科技有限公司 | 高压电缆综合在线智能监测*** |
CN112834871A (zh) * | 2019-11-25 | 2021-05-25 | 国网江苏省电力有限公司南京供电分公司 | 一种高压大长段电缆绝缘故障在线监测***与方法 |
CN112858858A (zh) * | 2021-03-26 | 2021-05-28 | 云南电网有限责任公司电力科学研究院 | 一种基于降维的局部放电光谱特征波段提取方法及装置 |
CN113009295A (zh) * | 2021-02-25 | 2021-06-22 | 西安交通大学 | 一种用于局部放电多光谱监测数据分析方法 |
CN113419147A (zh) * | 2021-06-29 | 2021-09-21 | 广西电网有限责任公司电力科学研究院 | 基于雷达谱图式的可视化电缆绝缘状态诊断评估方法 |
CN113533910A (zh) * | 2021-06-10 | 2021-10-22 | 中国电力科学研究院有限公司 | 一种适用于换流变压器局部放电预警的方法及*** |
CN113567822A (zh) * | 2021-09-01 | 2021-10-29 | 国网河南省电力公司南阳供电公司 | 一种用于电气设备局部放电的监测装置 |
CN113805022A (zh) * | 2021-10-14 | 2021-12-17 | 山东达驰高压开关有限公司 | 基于光电联合技术对组合电器绝缘性能检测方法和设备 |
CN113866570A (zh) * | 2021-08-06 | 2021-12-31 | 厦门欧易奇机器人有限公司 | 一种基于声纹的局放监测方法 |
CN115184730A (zh) * | 2022-07-26 | 2022-10-14 | 国网四川省电力公司电力科学研究院 | 一种树闪故障的分析方法、处理方法、装置、设备及介质 |
CN116207708A (zh) * | 2023-04-28 | 2023-06-02 | 华北电力科学研究院有限责任公司 | 变压器故障防御方法及装置 |
CN116482501A (zh) * | 2023-06-14 | 2023-07-25 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及*** |
CN117706293A (zh) * | 2023-12-04 | 2024-03-15 | 国网宁夏电力有限公司电力科学研究院 | 一种基于超声信号的串抗匝间击穿故障定位*** |
CN117909911A (zh) * | 2024-03-19 | 2024-04-19 | 江苏征途电气科技有限公司 | 基于人工智能的电气设备局部放电异常检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101702002A (zh) * | 2009-12-07 | 2010-05-05 | 上海市电力公司 | 局部放电声电联合检测定位***及其定位方法 |
CN102279350A (zh) * | 2011-03-31 | 2011-12-14 | 广东电网公司广州供电局 | 一种超声波局放检测分析仪 |
CN102495343A (zh) * | 2011-12-30 | 2012-06-13 | 重庆大学 | 基于超声与紫外信息融合的局部放电检测识别方法及*** |
CN103323749A (zh) * | 2013-05-16 | 2013-09-25 | 上海交通大学 | 多分类器信息融合的局部放电诊断方法 |
CN103454564A (zh) * | 2013-08-22 | 2013-12-18 | 江苏科技大学 | 高压开关柜局部放电检测***及方法 |
CN105738779A (zh) * | 2016-01-26 | 2016-07-06 | 国网上海市电力公司 | 一种基于多源图像融合的局部放电检测方法 |
CN106556780A (zh) * | 2016-10-27 | 2017-04-05 | 中国电力科学研究院 | 一种局部放电类型确定方法及*** |
CN107037327A (zh) * | 2016-10-09 | 2017-08-11 | 中国电力科学研究院 | 局部放电故障判定特征提取方法及判定方法 |
CN109490730A (zh) * | 2018-12-19 | 2019-03-19 | 国网北京市电力公司 | 电缆放电检测方法、装置、存储介质及处理器 |
-
2019
- 2019-05-05 CN CN201910371067.9A patent/CN110275094B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101702002A (zh) * | 2009-12-07 | 2010-05-05 | 上海市电力公司 | 局部放电声电联合检测定位***及其定位方法 |
CN102279350A (zh) * | 2011-03-31 | 2011-12-14 | 广东电网公司广州供电局 | 一种超声波局放检测分析仪 |
CN102495343A (zh) * | 2011-12-30 | 2012-06-13 | 重庆大学 | 基于超声与紫外信息融合的局部放电检测识别方法及*** |
CN103323749A (zh) * | 2013-05-16 | 2013-09-25 | 上海交通大学 | 多分类器信息融合的局部放电诊断方法 |
CN103454564A (zh) * | 2013-08-22 | 2013-12-18 | 江苏科技大学 | 高压开关柜局部放电检测***及方法 |
CN105738779A (zh) * | 2016-01-26 | 2016-07-06 | 国网上海市电力公司 | 一种基于多源图像融合的局部放电检测方法 |
CN107037327A (zh) * | 2016-10-09 | 2017-08-11 | 中国电力科学研究院 | 局部放电故障判定特征提取方法及判定方法 |
CN106556780A (zh) * | 2016-10-27 | 2017-04-05 | 中国电力科学研究院 | 一种局部放电类型确定方法及*** |
CN109490730A (zh) * | 2018-12-19 | 2019-03-19 | 国网北京市电力公司 | 电缆放电检测方法、装置、存储介质及处理器 |
Non-Patent Citations (1)
Title |
---|
程养春 等: "基于随机森林的变压器多源局部放电诊断", 《中国电机工程学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738334A (zh) * | 2019-10-21 | 2020-01-31 | 邹威 | 一种多平台信息交互电力安全生产管理*** |
CN112834871A (zh) * | 2019-11-25 | 2021-05-25 | 国网江苏省电力有限公司南京供电分公司 | 一种高压大长段电缆绝缘故障在线监测***与方法 |
CN111626153A (zh) * | 2020-05-13 | 2020-09-04 | 电子科技大学 | 一种基于集成学习的局放故障状态识别方法 |
CN111666912A (zh) * | 2020-06-15 | 2020-09-15 | 国网山东省电力公司潍坊供电公司 | 计及电气特征量与图形特征的局部放电融合特征提取方法 |
CN111666912B (zh) * | 2020-06-15 | 2024-01-23 | 国网山东省电力公司潍坊供电公司 | 计及电气特征量与图形特征的局部放电融合特征提取方法 |
CN111896852A (zh) * | 2020-08-07 | 2020-11-06 | 国网河南省电力公司西峡县供电公司 | 基于小波分析对超声波信号的抗干扰处理方法 |
CN112051493A (zh) * | 2020-09-17 | 2020-12-08 | 海南电网有限责任公司琼海供电局 | 一种配电网设备的隐患类型识别方法及装置 |
CN112162181A (zh) * | 2020-09-27 | 2021-01-01 | 北京南洋思源智能科技有限公司 | 一种监测方法、装置及计算机可读存储介质 |
CN112162181B (zh) * | 2020-09-27 | 2024-06-04 | 北京南洋思源智能科技有限公司 | 一种监测方法、装置及计算机可读存储介质 |
CN112684310A (zh) * | 2021-01-20 | 2021-04-20 | 山东和兑智能科技有限公司 | 高压电缆综合在线智能监测*** |
CN112684310B (zh) * | 2021-01-20 | 2022-01-07 | 山东和兑智能科技有限公司 | 高压电缆综合在线智能监测*** |
CN113009295A (zh) * | 2021-02-25 | 2021-06-22 | 西安交通大学 | 一种用于局部放电多光谱监测数据分析方法 |
CN113009295B (zh) * | 2021-02-25 | 2022-05-06 | 西安交通大学 | 一种用于局部放电多光谱监测数据分析方法 |
CN112858858A (zh) * | 2021-03-26 | 2021-05-28 | 云南电网有限责任公司电力科学研究院 | 一种基于降维的局部放电光谱特征波段提取方法及装置 |
CN112858858B (zh) * | 2021-03-26 | 2022-08-02 | 云南电网有限责任公司电力科学研究院 | 一种基于降维的局部放电光谱特征波段提取方法及装置 |
CN113533910A (zh) * | 2021-06-10 | 2021-10-22 | 中国电力科学研究院有限公司 | 一种适用于换流变压器局部放电预警的方法及*** |
CN113419147A (zh) * | 2021-06-29 | 2021-09-21 | 广西电网有限责任公司电力科学研究院 | 基于雷达谱图式的可视化电缆绝缘状态诊断评估方法 |
CN113866570A (zh) * | 2021-08-06 | 2021-12-31 | 厦门欧易奇机器人有限公司 | 一种基于声纹的局放监测方法 |
CN113567822A (zh) * | 2021-09-01 | 2021-10-29 | 国网河南省电力公司南阳供电公司 | 一种用于电气设备局部放电的监测装置 |
CN113567822B (zh) * | 2021-09-01 | 2024-04-02 | 国网河南省电力公司南阳供电公司 | 一种用于电气设备局部放电的监测装置 |
CN113805022A (zh) * | 2021-10-14 | 2021-12-17 | 山东达驰高压开关有限公司 | 基于光电联合技术对组合电器绝缘性能检测方法和设备 |
CN115184730A (zh) * | 2022-07-26 | 2022-10-14 | 国网四川省电力公司电力科学研究院 | 一种树闪故障的分析方法、处理方法、装置、设备及介质 |
CN116207708A (zh) * | 2023-04-28 | 2023-06-02 | 华北电力科学研究院有限责任公司 | 变压器故障防御方法及装置 |
CN116482501A (zh) * | 2023-06-14 | 2023-07-25 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及*** |
CN116482501B (zh) * | 2023-06-14 | 2023-08-29 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及*** |
CN117706293A (zh) * | 2023-12-04 | 2024-03-15 | 国网宁夏电力有限公司电力科学研究院 | 一种基于超声信号的串抗匝间击穿故障定位*** |
CN117909911A (zh) * | 2024-03-19 | 2024-04-19 | 江苏征途电气科技有限公司 | 基于人工智能的电气设备局部放电异常检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110275094B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275094A (zh) | 一种高压电缆局部放电声光联合检测方法及*** | |
EP2579055B1 (en) | METHOD FOR THE CONTINUOUS MONITORING AND DIAGNOSIS OF SOURCES OF PARTIAL DISCHARGES (PDs) IN HIGH-VOLTAGE CABLES DURING CONNECTION TO, AND OPERATION IN THE POWER GRID, AND PHYSICAL SYSTEM FOR CARRYING OUT SAME | |
Wu et al. | An overview of state-of-the-art partial discharge analysis techniques for condition monitoring | |
US20210167584A1 (en) | Gis mechanical fault diagnosis method and device | |
CN107024654B (zh) | 用于电机的监视***与方法 | |
CN103913679B (zh) | 高压开关柜局部放电在线监测*** | |
FI107083B (fi) | Menetelmä ja järjestelmä osittaispurkauksen aiheuttajan tunnistamiseksi | |
CN110007197B (zh) | 串联电弧故障检测***及检测方法 | |
BR112012018514B1 (pt) | método para detectar a ocorrência de falhas em um sistema de distribuição de energia elétrica, sistema de detecção e classificação de transiente, classificador, e detector de transiente e sistema de classificação para analisar transientes | |
CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其*** | |
CN109443190A (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
CN107422232A (zh) | 一种配电网终端设备的数字式带电检测工具 | |
CN112986870A (zh) | 基于振动法的分布式电力变压器绕组状态监测方法及*** | |
CN114236327A (zh) | 一种复合绝缘子芯棒酥朽缺陷的检测装置及其检测方法 | |
Behrmann et al. | State of the Art in GIS PD Diagnostics | |
CN112505500A (zh) | 基于超高频检测方式的局部放电严重程度评估方法 | |
CN110031733A (zh) | 局部放电检测方法及*** | |
CN106950482B (zh) | 一种基于相间信号图谱相似关系的电晕干扰排除方法 | |
CN106019089A (zh) | 一种根据相间信号相关关系特征进行局部放电判别的方法 | |
KR101575204B1 (ko) | 부분 방전 진단 장치 및 그 방법 | |
CN116660800A (zh) | 一种飞机线缆微弱故障诊断方法 | |
CN110261741A (zh) | 高压开关设备的放电位置定位方法、装置及终端设备 | |
Boettcher et al. | Algorithms for a multi-sensor partial discharge expert system applied to medium voltage cable connectors | |
CN105629144A (zh) | 基于指纹库的高压开关设备局部放电诊断方法及*** | |
CN109444660A (zh) | 一种输电线路故障与干扰的辨识方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210608 |
|
CF01 | Termination of patent right due to non-payment of annual fee |