一種基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法與流程

本發(fā)明涉及電力設(shè)備監(jiān)控領(lǐng)域，尤其涉及一種基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法及基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)。

背景技術(shù)：

局部放電是引起電力設(shè)備絕緣故障的主要原因之一。在電力設(shè)備投入運行后，絕緣劣化的存在往往會導致局部放電的發(fā)生，而局部放電反過來會加劇絕緣劣化的程度，甚至會導致絕緣擊穿，形成惡性循環(huán)，進而導致重大事故的發(fā)生。對局部放電的放電源位置進行定位，可以及時地發(fā)現(xiàn)電力設(shè)備的故障位置，提高檢修的效率，有效避免重大事故的發(fā)生，并且可以有效節(jié)約人力成本，因此局部放電的準確定位有重大意義。

基于特高頻(uhf)信號的定位法具有抗干擾性強、靈敏度高、可遠距離檢測等優(yōu)點，近年來已被國內(nèi)外學者廣泛研究?；谔馗哳l信號的定位法是通過若干傳感器分別采集放電源發(fā)出的特高頻局部放電信號，基于時延算法計算各個傳感器接收到的特高頻局部放電信號之間的時延值，然后基于時延值確定放電源位置坐標，因此時延值的計算準確度將大大影響到局部放電的定位準確度。

傳統(tǒng)的時延統(tǒng)計算法主要有閾值法、能量積累法和相關(guān)估計法等。為了在傳統(tǒng)算法的基礎(chǔ)上進一步提高定位準確度，一些改進型算法相繼被提出，如雙譜估計算法、高階統(tǒng)計量法、插值相關(guān)法等，但是這些算法依舊受限于采樣精度和現(xiàn)場干擾的影響，實際使用效果不佳，所得時延值準確度不高，從而導致局部放電定位的準確度也不高。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的之一是提供一種基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法，其能夠補償局部放電時延的計算誤差，提高時延值準確度。

基于上述目的，本發(fā)明提供了一種基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法，其包括步驟：

(1)將局部放電信號測量范圍內(nèi)的空間劃分為多個空間區(qū)域；

(2)采集分布在所述多個空間區(qū)域內(nèi)的放電源位置已知的若干樣本局部放電信號，基于時延算法計算相應(yīng)的樣本時延值；

(3)基于所述已知的放電源位置計算所述若干樣本局部放電信號的理論時延值；

(4)分別對應(yīng)所述多個空間區(qū)域訓練多個神經(jīng)網(wǎng)絡(luò)，其中每個神經(jīng)網(wǎng)絡(luò)以其對應(yīng)的空間區(qū)域相應(yīng)的所述樣本時延值為樣本輸入，以其對應(yīng)的空間區(qū)域相應(yīng)的所述理論時延值為期望輸出進行訓練；

(5)采集放電源位置待定的局部放電信號，基于時延算法計算相應(yīng)的初步時延值，并基于該初步時延值確定所述局部放電信號的初步放電源位置；

(6)將所述初步時延值輸入所述初步放電源位置對應(yīng)的所述神經(jīng)網(wǎng)絡(luò)，所述神經(jīng)網(wǎng)絡(luò)補償所述初步時延值的誤差，輸出最終時延值。

本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法，其采用與現(xiàn)有技術(shù)中的對時延算法作進一步改進完全不同的構(gòu)思，即利用神經(jīng)網(wǎng)絡(luò)學習并模擬局部放電信號的時延計算誤差分布，構(gòu)建時延誤差補償曲面，通過神經(jīng)網(wǎng)絡(luò)補償初步時延值的誤差，從而提高時延值準確度。此外，本發(fā)明還將局部放電信號測量范圍內(nèi)的空間劃分為多個空間區(qū)域，針對每個空間區(qū)域單獨訓練相應(yīng)的神經(jīng)網(wǎng)絡(luò)。

所述步驟(6)中，本方法可以基于已有的定位系統(tǒng)進行誤差補償，對于空間中的局部放電，定位系統(tǒng)首先會計算出初步的定位結(jié)果，并根據(jù)該初步的定位結(jié)果選擇相應(yīng)空間區(qū)域?qū)?yīng)的神經(jīng)網(wǎng)絡(luò)進行誤差補償。

所述神經(jīng)網(wǎng)絡(luò)優(yōu)選rbf(徑向基)神經(jīng)網(wǎng)絡(luò)，其能夠全局無限逼近非線性誤差函數(shù)，并且網(wǎng)絡(luò)結(jié)構(gòu)簡單，高度容錯，訓練快速易行，非常適合應(yīng)用于數(shù)據(jù)誤差修正。局部放電信號時差值的誤差是復雜的非線性函數(shù)，rbf(徑向基)神經(jīng)網(wǎng)絡(luò)是一種前向網(wǎng)絡(luò)，能夠以任意精度擬合非線性函數(shù)；與bp神經(jīng)網(wǎng)絡(luò)相比，不會陷入擬合到局部最優(yōu)解的問題；同時由于rbf神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)緊湊，易于構(gòu)造，訓練速度塊，更適合在工程實踐中應(yīng)用。因此本發(fā)明優(yōu)選rbf神經(jīng)網(wǎng)絡(luò)進行誤差修正。

本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法可以用于基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的時延值計算，從而提高基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的時延值準確度，進而提高基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的定位準確度。

進一步地，本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述步驟(2)和步驟(5)中的時延算法為同一時延算法。

進一步地，本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述時延算法包括閾值法、能量積累法、相關(guān)估計法、雙譜估計算法、高階統(tǒng)計量法以及插值相關(guān)法中的至少其中之一。

進一步地，本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，通過固定位于不同位置的若干傳感器采集局部放電信號。

更進一步地，上述基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述若干傳感器為特高頻傳感器。

更進一步地，上述基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述若干傳感器的數(shù)量為四個。

更進一步地，上述基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述時延值為四維向量。

上述方案中，在四個傳感器的兩兩組合中選擇四種組合，該四種組合對應(yīng)同一個放電源的四個時延值以四維向量的形式表述。

更進一步地，上述基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述神經(jīng)網(wǎng)絡(luò)包括rbf神經(jīng)網(wǎng)絡(luò)，其中rbf神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點個數(shù)為4，輸出節(jié)點個數(shù)為4。

上述方案中，由于時延值為四維向量，因此rbf神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點和輸出節(jié)點個數(shù)均為4。

進一步地，本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述神經(jīng)網(wǎng)絡(luò)包括rbf神經(jīng)網(wǎng)絡(luò)。

更進一步地，上述基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法中，所述rbf神經(jīng)網(wǎng)絡(luò)的基函數(shù)為高斯函數(shù)。

本發(fā)明的另一目的是提供一種基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)，其能夠提高局部放電定位準確度。

基于上述目的，本發(fā)明提供了一種基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)，其基于時延值確定局部放電信號的放電源位置，其采用上述方法對初步時延值的誤差進行補償，所述系統(tǒng)包括相互連接的傳感器和數(shù)據(jù)處理與分析單元，其中：

所述數(shù)據(jù)處理與分析單元將局部放電信號測量范圍內(nèi)的空間劃分為多個空間區(qū)域；

所述傳感器采集分布在所述多個空間區(qū)域內(nèi)的放電源位置已知的若干樣本局部放電信號，所述數(shù)據(jù)處理與分析單元基于時延算法計算相應(yīng)的樣本時延值；

所述數(shù)據(jù)處理與分析單元基于所述已知的放電源位置計算所述若干樣本局部放電信號的理論時延值；

所述數(shù)據(jù)處理與分析單元分別對應(yīng)所述多個空間區(qū)域訓練多個神經(jīng)網(wǎng)絡(luò)，其中每個神經(jīng)網(wǎng)絡(luò)以其對應(yīng)的空間區(qū)域相應(yīng)的所述樣本時延值為樣本輸入，以其對應(yīng)的空間區(qū)域相應(yīng)的所述理論時延值為期望輸出進行訓練；

所述傳感器采集放電源位置待定的局部放電信號，所述數(shù)據(jù)處理與分析單元基于時延算法計算相應(yīng)的初步時延值，并基于該初步時延值確定所述局部放電信號的初步放電源位置；

所述數(shù)據(jù)處理與分析單元將所述初步時延值輸入所述初步放電源位置對應(yīng)的所述神經(jīng)網(wǎng)絡(luò)，所述神經(jīng)網(wǎng)絡(luò)補償所述初步時延值的誤差，輸出最終時延值；

所述數(shù)據(jù)處理與分析單元基于所述最終時延值確定所述局部放電信號的放電源位置。

本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)，由于其采用上述方法對初步時延值的誤差進行補償，因此可以提高基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的時延值準確度，進而提高基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的定位準確度。具體原理前已描述，在此不再贅述。

本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法，其具有以下優(yōu)點和有益效果：

1)可以顯著提高局部放電時延計算所得時延值的準確度和精確度。

2)可以用于基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的時延值計算，從而提高基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的時延值準確度，進而提高基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)的定位準確度。

3)可應(yīng)用于電力變電站設(shè)備絕緣維護及在線監(jiān)測領(lǐng)域。

本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)，其具有以下優(yōu)點和有益效果：

1)可以顯著提高局部放電定位的準確度和精確度。

2)硬件資源消耗較小。

3)可應(yīng)用于電力變電站設(shè)備絕緣維護及在線監(jiān)測領(lǐng)域。

4)可以及時地發(fā)現(xiàn)電力設(shè)備的故障位置，提高檢修的效率，有效避免重大事故的發(fā)生，并且可以有效節(jié)約人力成本。

附圖說明

圖1為本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法在一種實施方式下的流程示意圖。

圖2為本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法在一種實施方式下的放電源位置標定示意圖。

圖3為本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法在一種實施方式下的rbf神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)圖。

圖4為本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)在一種實施方式下的定位原理圖。

圖5為本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)在一種實施方式下的結(jié)構(gòu)示意圖。

圖6為本發(fā)明驗證實例中的傳感器測量到的一組局部放電波形。

圖7為本發(fā)明驗證實例中的神經(jīng)網(wǎng)絡(luò)的訓練過程誤差和訓練目標誤差曲線圖。

圖8為本發(fā)明驗證實例中的局部放電定位結(jié)果雷達圖。

具體實施方式

下面結(jié)合說明書附圖及實施例進一步說明本發(fā)明所述的技術(shù)方案。

圖1示意了本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法在一種實施方式下的流程。

如圖1所示，本實施方式的基于多神經(jīng)網(wǎng)絡(luò)的局部放電時延計算誤差補償方法包括步驟：

(1)將局部放電信號測量范圍內(nèi)的空間劃分為多個空間區(qū)域。

該步驟通常需要首先對放電源位置進行標定。例如，如圖2所示，假定誤差值在不同方向角上的分布規(guī)律相同，取四個傳感器s1、s2、s3以及s4的中心為坐標原點，傳感器s1、s2中線方向為0度，在0度方向上用卷尺對測量點位置坐標進行標定。由于現(xiàn)有定位系統(tǒng)測量范圍約為20米，取r＝2m、4m、6m、8m、12m、15m、18m作為標定點a的取值序列。然后根據(jù)該取值序列劃分多個空間區(qū)域，例如劃分三個空間區(qū)域，方向角θ∈[0°,360°]，徑向距離分別為r∈[0m,6m]、r∈[6m,12m]、r∈[12m,18m]。

(2)采集分布在多個空間區(qū)域內(nèi)的放電源位置已知的若干樣本局部放電信號，基于時延算法計算相應(yīng)的樣本時延值。

例如，如圖2所示，為了訓練方向角θ∈[0°,360°]，徑向距離分別為r∈[0m,6m]、r∈[6m,12m]、r∈[12m,18m]范圍內(nèi)放電源產(chǎn)生的局部放電信號的時延計算誤差補償神經(jīng)網(wǎng)絡(luò)，需要在放電源位置已知的標定點a處模擬放電，產(chǎn)生若干樣本局部放電信號，從而可以計算相應(yīng)的樣本時延值。例如利用局放定位系統(tǒng)基于時延算法計算樣本時延值[t21,t43,t41,t32]，其中t21為傳感器s2和s1之間的樣本時延值，t43為傳感器s4和s3之間的樣本時延值，t41為傳感器s4和s1之間的樣本時延值，t32為傳感器s3和s2之間的樣本時延值。

現(xiàn)場可采用手持式靜電槍在標定點a處進行放電，模擬局部放電的發(fā)生。

(3)基于已知的放電源位置計算若干樣本局部放電信號的理論時延值。

由于電磁波在空氣中以光速傳播，根據(jù)四個傳感器與局部放電的放電源的相對位置關(guān)系，即可計算出理論時延值。例如計算理論時延值[δt21,δt43,δt41,δt32]，其中δt21為傳感器s2和s1之間的理論時延值，δt43為傳感器s4和s3之間的理論時延值，δt41為傳感器s4和s1之間的理論時延值，δt32為傳感器s3和s2之間的理論時延值。

(4)分別對應(yīng)多個空間區(qū)域訓練多個神經(jīng)網(wǎng)絡(luò)，其中每個神經(jīng)網(wǎng)絡(luò)以其對應(yīng)的空間區(qū)域相應(yīng)的樣本時延值為樣本輸入，以其對應(yīng)的空間區(qū)域相應(yīng)的理論時延值為期望輸出進行訓練。

該步驟通常需要首先構(gòu)造多個神經(jīng)網(wǎng)絡(luò)，該多個神經(jīng)網(wǎng)絡(luò)通常為同一類型。

以rbf神經(jīng)網(wǎng)絡(luò)為例，其基本結(jié)構(gòu)如圖3所示，其中xn表示網(wǎng)絡(luò)的輸入層節(jié)點，rm表示隱層的基函數(shù)，yk表示網(wǎng)絡(luò)的輸出層節(jié)點。xn中的n表示輸入層節(jié)點的維數(shù)，即n個輸入節(jié)點；rm中的m表示隱層節(jié)點的維數(shù)，即m個隱層節(jié)點；yk中的k表示輸出層節(jié)點的維數(shù)，即k個輸出層節(jié)點。

構(gòu)造神經(jīng)網(wǎng)絡(luò)的基本步驟如下：

1.確定輸入向量維數(shù)。

輸入向量維數(shù)即為輸入層節(jié)點的個數(shù)。例如輸入向量為傳感器間的四個時延值時，輸入向量選擇四維向量x＝[x1,x2,x3,x4]，即n＝4。

2.確定神經(jīng)網(wǎng)絡(luò)參數(shù)。

對于rbf神經(jīng)網(wǎng)絡(luò)，其輸出與輸入的映射關(guān)系可表示為：

式中yi中的i表示變量，yi中的i可以取[1,k]中的值，yi中的i的最大值為上述k。

式中ωj為隱層節(jié)點到輸出層節(jié)點的權(quán)值，rj(x)為基函數(shù)，對輸入信號在局部產(chǎn)生響應(yīng)，其可以選擇為高斯函數(shù)，即

式中x為輸入向量；||·||為歐幾里得范數(shù)，表示向量間的歐氏距離；exp[]表示以自然常數(shù)e為底的指數(shù)函數(shù)；cj和σj分別為基函數(shù)的中心與神經(jīng)元高斯函數(shù)的寬度；m為隱層節(jié)點的數(shù)目。rj(x)在cj處服從高斯分布。

3.隱層神經(jīng)元個數(shù)的確定。

ωj為隱藏節(jié)點到輸出節(jié)點的網(wǎng)絡(luò)權(quán)值，根據(jù)不斷的迭代調(diào)整為最優(yōu)值；設(shè)yi為網(wǎng)絡(luò)實際輸出值，pi為樣本的期望輸出，則單個rbf神經(jīng)網(wǎng)絡(luò)的訓練誤差可表示為：

隱層神經(jīng)元從1開始依次增加1，每次調(diào)整后計算神經(jīng)網(wǎng)絡(luò)訓練誤差，當訓練誤差滿足要求或神經(jīng)元個數(shù)達到輸入數(shù)據(jù)個數(shù)時停止增加。

4.確定輸出向量維數(shù)。

輸出向量維數(shù)即為輸出節(jié)點的個數(shù)，例如輸出為四維的時延值，則輸出向量選擇為四維向量，即k＝4。

然后，分別對應(yīng)多個空間區(qū)域訓練多個上述神經(jīng)網(wǎng)絡(luò)，其中每個神經(jīng)網(wǎng)絡(luò)以其對應(yīng)的空間區(qū)域相應(yīng)的樣本時延值為樣本輸入，以其對應(yīng)的空間區(qū)域相應(yīng)的理論時延值為期望輸出進行訓練。例如分別對應(yīng)上述三個空間區(qū)域，即方向角θ∈[0°,360°]，徑向距離分別為r∈[0m,6m]、r∈[6m,12m]、r∈[12m,18m]，將對應(yīng)空間區(qū)域的上述樣本時延值[t21,t43,t41,t32]代入對應(yīng)空間區(qū)域的神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點，即x＝[x1,x2,x3,x4]＝[t21,t43,t41,t32]，將對應(yīng)空間區(qū)域的上述理論時延值[δt21,δt43,δt41,δt32]代入對應(yīng)空間區(qū)域的神經(jīng)網(wǎng)絡(luò)的pi作為樣本的期望輸出，分別訓練對應(yīng)三個空間區(qū)域的三個神經(jīng)網(wǎng)絡(luò)。

(5)采集放電源位置待定的局部放電信號，基于時延算法計算相應(yīng)的初步時延值，并基于該初步時延值確定所述局部放電信號的初步放電源位置。

例如，基于時延算法計算得出初步時延值[t21’,t43’,t41’,t32’]，并基于該初步時延值確定初步放電源位置r0，其中t21’為傳感器s2和s1之間的初步時延值，t43’為傳感器s4和s3之間的初步時延值，t41’為傳感器s4和s1之間的初步時延值，t32’為傳感器s3和s2之間的初步時延值。

(6)將初步時延值輸入所述初步放電源位置對應(yīng)的神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)補償初步時延值的誤差，輸出最終時延值。

例如，將上述初步時延值[t21’,t43’,t41’,t32’]輸入初步放電源位置r0對應(yīng)的神經(jīng)網(wǎng)絡(luò)，即r0∈[0m,6m]、r0∈[6m,12m]、r0∈[12m,18m]中判斷為真的相應(yīng)空間區(qū)域?qū)?yīng)的神經(jīng)網(wǎng)絡(luò)，x＝[x1,x2,x3,x4]＝[t21’,t43’,t41’,t32’]；則神經(jīng)網(wǎng)絡(luò)的輸出向量[δt21’,δt43’,δt41’,δt32’]為誤差補償后的最終時延值。

上述實施方式中，步驟(2)和步驟(5)中的時延算法通常為同一時延算法。其中，時延算法通常包括閾值法、能量積累法、相關(guān)估計法、雙譜估計算法、高階統(tǒng)計量法以及插值相關(guān)法中的至少其中之一。

上述實施方式中，通過固定位于不同位置的若干傳感器采集局部放電信號。其中，若干傳感器優(yōu)選特高頻傳感器，其數(shù)量優(yōu)選為四個，時延值優(yōu)選為四維向量，神經(jīng)網(wǎng)絡(luò)優(yōu)選rbf神經(jīng)網(wǎng)絡(luò)，其中rbf神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點個數(shù)為4，輸出節(jié)點個數(shù)為4，rbf神經(jīng)網(wǎng)絡(luò)的基函數(shù)優(yōu)選為高斯函數(shù)。

圖4示意了本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)在一種實施方式下的定位原理。

如圖4所示，局部放電的放電源位置坐標為p(x,y,z)，四個傳感器s1、s2、s3以及s4放置在同一水平面z＝0上，坐標分別為s1(0,0,0)、s2(l1,0,0)、s3(l1,l2,0)、s4(0,l2,0)。本發(fā)明方法主要應(yīng)用于局部放電定位系統(tǒng)的信號處理階段中，利用神經(jīng)網(wǎng)絡(luò)學習并模擬定位系統(tǒng)時延計算的誤差分布，對定位系統(tǒng)初步計算出的時延進行校正補償，并利用校正后的時延值進行定位得出定位結(jié)果r’和θ’。

本實施方式的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)基于時延值確定局部放電信號的放電源位置，采用上述方法對對初步時延值的誤差進行補償，該系統(tǒng)包括相互連接的傳感器和數(shù)據(jù)處理與分析單元。其中：

數(shù)據(jù)處理與分析單元將局部放電信號測量范圍內(nèi)的空間劃分為多個空間區(qū)域。

傳感器采集分布在多個空間區(qū)域內(nèi)的放電源位置已知的若干樣本局部放電信號，數(shù)據(jù)處理與分析單元基于時延算法計算相應(yīng)的樣本時延值。

數(shù)據(jù)處理與分析單元基于已知的放電源位置計算若干樣本局部放電信號的理論時延值。

數(shù)據(jù)處理與分析單元分別對應(yīng)多個空間區(qū)域訓練多個神經(jīng)網(wǎng)絡(luò)，其中每個神經(jīng)網(wǎng)絡(luò)以其對應(yīng)的空間區(qū)域相應(yīng)的樣本時延值為樣本輸入，以其對應(yīng)的空間區(qū)域相應(yīng)的理論時延值為期望輸出進行訓練。

傳感器采集放電源位置待定的局部放電信號，數(shù)據(jù)處理與分析單元基于時延算法計算相應(yīng)的初步時延值，并基于該初步時延值確定所述局部放電信號的初步放電源位置。

數(shù)據(jù)處理與分析單元將初步時延值輸入所述初步放電源位置對應(yīng)的神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)補償初步時延值的誤差，輸出最終時延值。

數(shù)據(jù)處理與分析單元基于最終時延值確定局部放電信號的放電源位置。例如，將上述最終時延值[δt21’,δt43’,δt41’,δt32’]代入基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)進行局部放電定位，得出定位結(jié)果r’和θ’。

圖5示意了本發(fā)明所述的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)在一種實施方式下的結(jié)構(gòu)。

如圖5所示，該實施方式的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)包括rbf1、rbf2、rbf3三個rbf神經(jīng)網(wǎng)絡(luò)，其中rbf1對應(yīng)徑向距離r∈[0m,6m]的空間區(qū)域，rbf2對應(yīng)徑向距離r∈[6m,12m]的空間區(qū)域，rbf3對應(yīng)徑向距離r∈[12m,18m]的空間區(qū)域。

下面通過一個具體實例驗證本發(fā)明，該實例采用上述系統(tǒng)對局部放電進行定位。

1.誤差修正神經(jīng)網(wǎng)絡(luò)的建立。

現(xiàn)場測試中采用手持式靜電槍模擬局部放電，該靜電槍可依照en/iec61000-4-2標準產(chǎn)生精確的放電脈沖。取r＝2m、4m、6m、8m、12m、15m、18m作為標定點進行放電并定位。針對三段徑向距離r∈[0m,6m]、r∈[6m,12m]、r∈[12m,18m]的空間區(qū)域分別建立對應(yīng)的神經(jīng)網(wǎng)絡(luò)rbf1、rbf2和rbf3?，F(xiàn)場試驗的示意圖可參考圖2，四個超高頻傳感器接收到的典型的一組四路(ch1、ch2、ch3、ch4)信號如圖6所示，橫坐標為時間，縱坐標為電壓。

未進行修正的定位結(jié)果如表1所示。

表1.未修正定位結(jié)果

實驗結(jié)果表明，在未應(yīng)用神經(jīng)網(wǎng)絡(luò)誤差校正時，定位距離誤差約為3m-4m，定位角度誤差約為12°，定位平均誤差較大，定位點方差較大。

2.神經(jīng)網(wǎng)絡(luò)局部放電定位修正驗證。

分別用測得的45組、35組、45組數(shù)據(jù)訓練神經(jīng)網(wǎng)絡(luò)rbf1、rbf2和rbf3，其中rbf1的收斂過程如圖7所示，其中b為訓練過程誤差曲線，c為訓練目標誤差曲線，b曲線中45個神經(jīng)元均方誤差為0.0171095。

利用rbf神經(jīng)網(wǎng)絡(luò)修正初步時延值，將補償后的初步時延值(即最終時延值)輸入定位系統(tǒng)重新進行定位，定位結(jié)果表2所示。

表2.修正后定位結(jié)果

局部放電定位結(jié)果雷達圖如圖8所示，其中d表示校正前定位點，e表示校正后定位點，f表示實際放電點。

實驗結(jié)果表明，修正后的定位結(jié)果與修正前相比準確度和精度提高，距離定位誤差可以控制在0.5m以內(nèi)，方向角定位誤差控制在6°以內(nèi)，定位結(jié)果離散程度大大降低，一定程度上消減了時延誤差對于定位精度的影響。經(jīng)過實驗證明，本發(fā)明所提出的基于多神經(jīng)網(wǎng)絡(luò)的局部放電定位系統(tǒng)能夠顯著提高局部放電定位準確度和精度。

上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。