一種變電站設備局部放電定位系統及其方法技術方案

本發明專利技術公開了一種變電站設備局部放電定位系統，其包含：特高頻傳感器，設置在被測區域中，采集被測區域中局部放電產生的特高頻信號；數據分析與處理單元，其與所述的特高頻傳感器連接，根據特高頻傳感器采集到的特高頻信號并結合相應位置坐標建立RSSI指紋圖，運用BP神經網絡算法進行布局放電定位。其優點是：基于RSSI指紋圖譜技術，利用特高頻信號作為特征量，結合神經網絡算法和粒子群算法實現變電站設備局部放電定位，從而實現基于RSSI指紋圖譜的局部放電定位，該系統對于硬件的要求較小，易于實現，并且具有較高的精確度，降低了變電站局部放電定位的難度，有效提高了檢測效率。

【技術實現步驟摘要】

本專利技術涉及電力系統輸變電設備運行維護
，具體涉及一種變電站設備局部放電定位系統及其方法。
技術介紹
電力工業中電氣設備的故障隔離與供電區域健全的供電極為重要，因此對電力設備進行在線監測和安全預警，及時發現故障并采取措施消除隱患。絕緣劣化是導致變電站裝置故障的重要原因之一，導致這一類故障的主要原因有接觸不良、毛刺以及內部有雜質等。由于這類故障存在，設備在投入運行后就會發生局部放電，然后進一步劣化絕緣，惡性循環后就容易造成絕緣擊穿，引發更大的事故。因此，局部放電位置的定位對于電力設備的安全運行至關重要。局部放電會產生光、熱、超聲波、化學反應以及特高頻電磁波等。其中，特高頻電磁波在抗干擾性、傳播速度、靈敏度等方面均有優勢。在變電站內安裝一組傳感器接收局部放電信號，然后對信號特征進行處理和分析，就可以得到局部放電的位置，實現變電站站域的局部放電定位。目前研究較多的基于傳感器陣列的定位算法利用與局部放電位置相關的參數，例如到達時間、到達時間差、到達角度以及接受信號強度等對局部放電進行定位。這三種方法都有著較高的精度，但是對于硬件、軟件的要求較高，價格昂貴，且在實現上有一定的困難，容易造成較大的誤差。
技術實現思路
本專利技術的目的在于提供一種變電站設備局部放電定位系統及其方法，其基于RSSI指紋圖譜技術，利用特高頻信號作為特征量，結合神經網絡算法和粒子群算法實現變電站設備局部放電定位，從而實現基于RSSI指紋圖譜的局部放電定位。為了達到上述目的，本專利技術通過以下技術方案實現：一種變電站設備局部放電定位系統，其特征是，包含：特高頻傳感器，設置在被測區域中，采集被測區域中局部放電產生的特高頻信號；數據分析與處理單元，其與所述的特高頻傳感器連接，根據特高頻傳感器采集到的特高頻信號并結合相應位置坐標建立RSSI指紋圖，運用BP神經網絡算法進行布局放電定位。一種變電站設備局部放電定位方法，其特征是，包含以下步驟：S1、在局部放電被測區域中設置特高頻傳感器；S2、特高頻傳感器采集被測區域中的特高頻信號，獲得測量數據；S3、數據分析與處理單元根據測量數據建立RSSI指紋圖；S4、數據分析與處理單元運用BP神經網絡算法進行布局放電定位。上述的變電站設備局部放電定位方法，其中，所述步驟S2中的測量數據包含：特高頻信號及相應坐標。上述的變電站設備局部放電定位方法，其中，所述的步驟S3具體包含：數據分析與處理單元對測量數據進行高斯濾波，提取特高頻信號波形的峰值作為測量點的RSSI值，并繪制出RSSI指紋圖。上述的變電站設備局部放電定位方法，其中，所述的步驟S4具體包含：S41、離線階段，利用步驟S3中獲得的RSSI指紋圖及步驟S2中測量得到的相應坐標訓練得到可用的BP神經網絡；S42、在線階段，將步驟S3中獲得的RSSI指紋圖輸入訓練好的BP神經網絡，輸出定位坐標。本專利技術與現有技術相比具有以下優點：基于RSSI指紋圖譜技術，利用特高頻信號作為特征量，結合神經網絡算法和粒子群算法實現變電站設備局部放電定位，從而實現基于RSSI指紋圖譜的局部放電定位，該系統對于硬件的要求較小，易于實現，并且具有較高的精確度，降低了變電站局部放電定位的難度，有效提高了檢測效率。附圖說明圖1為本專利技術的系統結構示意圖；圖2為本專利技術的方法流程圖；圖3為本專利技術的實施例中第一特高頻傳感器采集得到的RSSI指紋圖建立結果；圖4本專利技術的實施例中第二特高頻傳感器采集得到的RSSI指紋圖建立結果；圖5本專利技術的實施例中第三特高頻傳感器采集得到的RSSI指紋圖建立結果；圖6本專利技術的實施例中第四特高頻傳感器采集得到的RSSI指紋圖建立結果；圖7為本專利技術的實施例中的16點定位的測試驗證情況示意圖；圖8為圖7的定位結果誤差。具體實施方式以下結合附圖，通過詳細說明一個較佳的具體實施例，對本專利技術做進一步闡述。如圖1所示，一種變電站設備局部放電定位系統，其包含：多個特高頻傳感器，設置在被測區域中，采集被測區域中局部放電產生的特高頻信號；數據分析與處理單元，其與所述的多臺特高頻傳感器連接，根據多個特高頻傳感器采集到的特高頻信號并結合相應坐標建立RSSI指紋圖，運用BP神經網絡算法進行布局放電定位。如圖2所示，一種變電站設備局部放電定位方法，其包含以下步驟：S1、在局部放電被測區域中設置特高頻傳感器；最佳的，在被測場地均勻分布擺放多個特高頻傳感器，以提高放電定位的準確度；S2、取得測量數據，包括特高頻傳感器采集的被測區域中的特高頻信號，并通過卷尺測量獲得相應的坐標；S3、數據分析與處理單元根據測量數據建立RSSI指紋圖，具體的對測量數據進行高斯濾波，提取特高頻信號波形的峰值作為測量點的RSSI值，并繪制出RSSI指紋圖；S4、數據分析與處理單元運用BP神經網絡算法進行布局放電定位。所述的步驟S4具體包含：S41、離線階段，利用步驟S3建立得到的RSSI指紋圖及步驟S2中的相應坐標訓練得到可用的BP神經網絡；S42、在線階段，將測得的RSSI指紋圖輸入訓練好的BP神經網絡，輸出定位坐標。本實施例中，被測區域為一個7m×8m的場地，所述的特高頻傳感器型號為JD-US03，數據分析與處理單元為Thinkpadx260，特高頻傳感器一共設置四臺，分別為AP1，AP2，AP3，AP4。本實施例中，使用標準局部放電源在各個測量點進行放電，利用四個特高頻傳感器進行局部放電特高頻信號的采集，通過數據分析與處理單元分析得到四個傳感器的RSSI指紋圖，建立結果如圖3～6所示；應當注意的是，由于現場噪聲和空間環境的影響，實際測量數據中必然會存在干擾脈沖，所以在對測量數據進行處理時首先進行高斯濾波，即抑制干擾脈沖的影響，具體方法是，在特高頻傳感器采集到局部放電產生的特高頻信號后，對其進行數據處理得到可用的RSSI值，主要步驟為：利用matlab軟件進行高斯濾波、峰值檢測；高斯分布概率密度函數表達式為：f(x)=12πσe-(x-μ)22σ2]]>其中，μ代表均值，σ代表方差；波形濾波后，再提取特高頻信號波形的峰值，取其作為該測量點的RSSI值，由此繪制所述的RSSI指紋圖；接著，數據分析與處理單元使用matlab中的神經網絡工具箱根據RSSI指紋圖以及坐標位置執行基于BP神經網絡的局部放電定位算法，該BP神經網絡的局部放電定位算法包含離線階段以及在線階段：離線階段利用指紋圖及相應的測量的坐標對網絡進行訓練，得到可用的BP神經網絡；在線階段將測得的指紋輸入訓練好的BP神經網絡，輸出定位坐標。RSSI指紋定位法本質上是一種模式識別方法，BP神經網絡作為一種多層前饋神經網絡，較為適合模式識別，BP神經網絡由輸入層、隱含層以及輸出層構成，本實施例中，由于每一個參考點有4個RSSI值，因此輸入層有4個神經元；輸出的是放電源坐標(x，y)，所以輸出層有兩個神經元。進一步，采用以下測試方案檢測定位結果的準確度：在每個測量點使用標準局部放電源進行1次局部放電，將測得的RSSI指紋分別輸入BP神經網絡中，重復計算20次，記下輸出的定位結果，其中16個測試點的定位情況如圖7所示，定位結果如圖8中表格所示，可見，上述基于RSSI指紋法的局部放電定位算法具有精度高和穩定性好的特點。綜上所述，本文檔來自技高網...

【技術保護點】
一種變電站設備局部放電定位系統，其特征在于，包含：特高頻傳感器，設置在被測區域中，采集被測區域中局部放電產生的特高頻信號；數據分析與處理單元，其與所述的特高頻傳感器連接，根據特高頻傳感器采集到的特高頻信號并結合相應位置坐標建立RSSI指紋圖，運用BP神經網絡算法進行布局放電定位。

【技術特征摘要】
1.一種變電站設備局部放電定位系統，其特征在于，包含：特高頻傳感器，設置在被測區域中，采集被測區域中局部放電產生的特高頻信號；數據分析與處理單元，其與所述的特高頻傳感器連接，根據特高頻傳感器采集到的特高頻信號并結合相應位置坐標建立RSSI指紋圖，運用BP神經網絡算法進行布局放電定位。2.一種變電站設備局部放電定位方法，其特征在于，包含以下步驟：S1、在局部放電被測區域中設置特高頻傳感器；S2、特高頻傳感器采集被測區域中的特高頻信號，獲得測量數據；S3、數據分析與處理單元根據測量數據建立RSSI指紋圖；S4、數據分析與處理單元運用BP神經網絡算法進行布局放電定位。3.如權利要求2...

【專利技術屬性】
技術研發人員：姜勇，陳洪濤，李福興，李臻，羅林根，盛戈皞，江秀臣，
申請(專利權)人：國網上海市電力公司，華東電力試驗研究院有限公司，上海交通大學，
類型：發明
國別省市：上海;31