/p>
技術實現思路
1、本申請實施例的目的是提供一種水輪發電機超高頻局部放電故障診斷方法、一種水輪發電機超高頻局部放電故障診斷裝置、一種計算機設備和一種機器可讀存儲介質，用以實現基于典型局放事件識別的快速、準確的故障診斷。
2、為實現上述目的，本申請的第一方面提供一種水輪發電機超高頻局部放電故障診斷方法，包括：
3、獲取當前監測周期內采集自水輪發電機的多個超高頻局放信號；
4、對所述超高頻局放信號進行離散化，得到局放脈沖序列；
5、以所述局放脈沖序列作為樣本點，對由各個局放脈沖序列組成的初始長序列進行聚類分析，識別出各個簇中心及其對應區域；
6、將各個簇中心對應的局放脈沖序列逐一與預先構建的局放案例庫中的每個典型局放事件對比，以識別出噪聲信號所在簇，將噪聲信號所在簇對應的局放脈沖序列從所述初始長序列中去除，得到目標長序列；
7、提取所述目標長序列內各個局放脈沖序列的時域和/或頻域特征參數，將各個局放脈沖序列的所述特征參數分別作為預先構建的局放分類模型的輸入，利用所述局放分類模型預測當前監測周期內水輪發電機產生的典型局放事件類型；
8、根據所述典型局放事件類型進行局放源定位；
9、其中，所述局放分類模型通過對初始的機器學習分類器進行訓練后得到。
10、在本申請具體實施例中，所述特征參數包括信號幅值、脈沖持續時間、脈沖上升時間、最大頻率和最小頻率中的至少一者。
11、在本申請具體實施例中，所述局放案例庫包括第一級別的局放案例和第二級別的局放案例中的至少一者，第一級別的局放案例包括第一典型局放事件、第二典型局放事件、第三典型局放事件、第四典型局放事件、第五典型局放事件、第六典型局放事件、第七典型局放事件和第八典型局放事件中的至少一者，第二級別的局放案例包括第九典型局放事件、第十典型局放事件和第十一典型局放事件中的至少一者，第一級別的局放案例的故障嚴重程度高于第二級別的局放案例的故障嚴重程度；
12、其中，第一典型局放事件為水輪發電機所處環境濕度大于第一閾值時產生的局放事件；第二典型局放事件為水輪發電機所處環境溫度大于第二閾值時產生的局放事件；第三典型局放事件為水輪發電機所處環境的電磁干擾強度大于第三閾值時產生的局放事件；第四典型局放事件為水輪發電機內絕緣材料老化后產生的局放事件；第五典型局放事件為水輪發電機在機械應力下產生的局放事件；第六典型局放事件為水輪發電機出現絕緣缺陷后產生的局放事件；第七典型局放事件為水輪發電機被極端操控時產生的局放事件；第八典型局放事件為水輪發電機處于復合故障條件下產生的局放事件，所述復合故障條件包括水輪發電機所處環境濕度大于第一閾值、水輪發電機所處環境溫度大于第二閾值、水輪發電機遭受機械應力中的多者；第九典型局放事件為不同局放故障機制對應的局放事件；第十典型局放事件為不同局放產生位置對應的局放事件；第十一典型局放事件為不同環境條件對應的局放事件。
13、在本申請具體實施例中，對初始的機器學習分類器進行訓練后得到所述局放分類模型，包括：
14、將從所述局放案例庫中各個典型局放事件發生時的局放信號中提取的特征參數作為輸入參數以及將典型局放事件類型作為標簽值，構建得到訓練樣本；
15、利用所述訓練樣本對初始的機器學習分類器進行訓練，得到局放分類模型。
16、在本申請具體實施例中，根據所述典型局放事件類型進行局放源定位，包括：
17、若預測得到的局放事件類型在第一級別的局放案例中，則發出第一控制信號，以使得水輪發電機停機，然后根據局放事件類型確定局放源；
18、若預測得到的局放事件類型在第二級別的局放案例中，則根據局放事件類型確定局放源。
19、在本申請具體實施例中，以所述局放脈沖序列作為樣本點，對由各個局放脈沖序列組成的初始長序列進行聚類分析，識別出各個簇中心及其對應區域，包括：
20、由各個局放脈沖序列組成初始長序列；
21、將所述初始長序列中的各個局放脈沖序列轉換至頻域，得到各個局放頻譜；
22、提取所述局放頻譜的低功率比和高功率比，并由所述低功率比和高功率比組成樣本點；
23、對各個樣本點進行譜聚類分析，識別出各個簇中心及其對應區域；
24、其中，所述低功率比為所述局放頻譜中在預設低頻區間內的各個頻點的模值平方之和與所述局放頻譜中預設頻率范圍內所有頻點的模值平方之和的比值，所述高功率比為所述局放頻譜在預設高頻區間內的各個頻點的模值平方之和與所述局放頻譜中預設頻率范圍內所有頻點的模值平方之和的比值，所述預設低頻區間和所述預設高頻區間均位于所述預設頻率范圍內，所述預設頻率范圍的下邊界不低于局放頻譜中的最小頻率，預設頻率范圍的上邊界不高于局放頻譜中的最大頻率。
25、在本申請具體實施例中，以所述局放脈沖序列作為樣本點，對由各個局放脈沖序列組成的初始長序列進行聚類分析，識別出各個簇中心及其對應區域，還包括：
26、利用數值優化算法找到最優的預設低頻區間、預設高頻區間和預設頻率范圍，以觸發執行提取所述局放頻譜的低功率比和高功率比，并由所述低功率比和高功率比組成樣本點。
27、在本申請具體實施例中，利用數值優化算法找到最優的預設低頻區間、預設高頻區間和預設頻率范圍，包括：...
【技術保護點】
1.一種水輪發電機超高頻局部放電故障診斷方法，其特征在于，包括：
2.根據權利要求1所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，所述特征參數包括信號幅值、脈沖持續時間、脈沖上升時間、最大頻率和最小頻率中的至少一者。
3.根據權利要求1所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，所述局放案例庫包括第一級別的局放案例和第二級別的局放案例中的至少一者，第一級別的局放案例包括第一典型局放事件、第二典型局放事件、第三典型局放事件、第四典型局放事件、第五典型局放事件、第六典型局放事件、第七典型局放事件和第八典型局放事件中的至少一者，第二級別的局放案例包括第九典型局放事件、第十典型局放事件和第十一典型局放事件中的至少一者，第一級別的局放案例的故障嚴重程度高于第二級別的局放案例的故障嚴重程度；
4.根據權利要求1或3所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，對初始的機器學習分類器進行訓練后得到所述局放分類模型，包括：
5.根據權利要求3所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，根據所述典型局放事件類型進行局放源定位，包括：
6.根據權利要求1所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，以所述局放脈沖序列作為樣本點，對由各個局放脈沖序列組成的初始長序列進行聚類分析，識別出各個簇中心及其對應區域，包括：
7.根據權利要求6所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，以所述局放脈沖序列作為樣本點，對由各個局放脈沖序列組成的初始長序列進行聚類分析，識別出各個簇中心及其對應區域，還包括：
8.根據權利要求7所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，利用數值優化算法找到最優的預設低頻區間、預設高頻區間和預設頻率范圍，包括：
9.根據權利要求8所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，所述約束條件為：
10.根據權利要求7至9中任一項所述的水輪發電機超高頻局部放電故障診斷方法，其特征在于，所述數值優化算法為差分進化算法。
11.一種水輪發電機超高頻局部放電故障診斷裝置，其特征在于，包括：
12.一種計算機設備，其特征在于，包括：
13.一種機器可讀存儲介質，其特征在于，該機器可讀存儲介質上存儲有指令，該指令用于使得機器執行根據權利要求1至10中任一項所述的水輪發電機超高頻局部放電故障診斷方法。
...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。