本發(fā)明涉及電力系統(tǒng)輸變電設備運行維護技術領域，具體涉及一種變電站設備局部放電定位系統(tǒng)及其方法。

背景技術：

電力工業(yè)中電氣設備的故障隔離與供電區(qū)域健全的供電極為重要，因此對電力設備進行在線監(jiān)測和安全預警，及時發(fā)現(xiàn)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(fā)生局部放電，然后進一步劣化絕緣，惡性循環(huán)后就容易造成絕緣擊穿，引發(fā)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(yōu)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(xiàn)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(shù)，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(xiàn)上有一定的困難，容易造成較大的誤差。

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一種變電站設備局部放電定位系統(tǒng)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(wǎng)絡算法和粒子群算法實現(xiàn)變電站設備局部放電定位，從而實現(xiàn)基于RSSI指紋圖譜的局部放電定位。

為了達到上述目的，本發(fā)明通過以下技術方案實現(xiàn)：

一種變電站設備局部放電定位系統(tǒng)，其特征是，包含：

特高頻傳感器，設置在被測區(qū)域中，采集被測區(qū)域中局部放電產生的特高頻信號；

數(shù)據(jù)分析與處理單元，其與所述的特高頻傳感器連接，根據(jù)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(wǎng)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(qū)域中設置特高頻傳感器；

S2、特高頻傳感器采集被測區(qū)域中的特高頻信號，獲得測量數(shù)據(jù)；

S3、數(shù)據(jù)分析與處理單元根據(jù)測量數(shù)據(jù)建立RSSI指紋圖；

S4、數(shù)據(jù)分析與處理單元運用BP神經網(wǎng)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(shù)據(jù)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(shù)據(jù)分析與處理單元對測量數(shù)據(jù)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(wǎng)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(wǎng)絡，輸出定位坐標。

本發(fā)明與現(xiàn)有技術相比具有以下優(yōu)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(wǎng)絡算法和粒子群算法實現(xiàn)變電站設備局部放電定位，從而實現(xiàn)基于RSSI指紋圖譜的局部放電定位，該系統(tǒng)對于硬件的要求較小，易于實現(xiàn)，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為本發(fā)明的系統(tǒng)結構示意圖；

圖2為本發(fā)明的方法流程圖；

圖3為本發(fā)明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本發(fā)明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本發(fā)明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本發(fā)明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為本發(fā)明的實施例中的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，對本發(fā)明做進一步闡述。

如圖1所示，一種變電站設備局部放電定位系統(tǒng)，其包含：多個特高頻傳感器，設置在被測區(qū)域中，采集被測區(qū)域中局部放電產生的特高頻信號；數(shù)據(jù)分析與處理單元，其與所述的多臺特高頻傳感器連接，根據(jù)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(wǎng)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(qū)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(shù)據(jù)，包括特高頻傳感器采集的被測區(qū)域中的特高頻信號，并通過卷尺測量獲得相應的坐標；

S3、數(shù)據(jù)分析與處理單元根據(jù)測量數(shù)據(jù)建立RSSI指紋圖，具體的對測量數(shù)據(jù)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(shù)據(jù)分析與處理單元運用BP神經網(wǎng)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(wǎng)絡；

S42、在線階段，將測得的RSSI指紋圖輸入訓練好的BP神經網(wǎng)絡，輸出定位坐標。

本實施例中，被測區(qū)域為一個7m×8m的場地，所述的特高頻傳感器型號為JD-US03，數(shù)據(jù)分析與處理單元為Thinkpad x260，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(shù)據(jù)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(xiàn)場噪聲和空間環(huán)境的影響，實際測量數(shù)據(jù)中必然會存在干擾脈沖，所以在對測量數(shù)據(jù)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(shù)據(jù)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(shù)表達式為：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}\mathrm{\σ}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

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(shù)據(jù)分析與處理單元使用matlab中的神經網(wǎng)絡工具箱根據(jù)RSSI指紋圖以及坐標位置執(zhí)行基于BP神經網(wǎng)絡的局部放電定位算法，該BP神經網(wǎng)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(wǎng)絡進行訓練，得到可用的BP神經網(wǎng)絡；在線階段將測得的指紋輸入訓練好的BP神經網(wǎng)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(wǎng)絡作為一種多層前饋神經網(wǎng)絡，較為適合模式識別，BP神經網(wǎng)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(wǎng)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(wěn)定性好的特點。

綜上所述，本發(fā)明提出的變電站局部放電定位系統(tǒng)基于RSSI指紋技術，在建立待測區(qū)域的局部放電特高頻信號RSSI指紋圖后，采用BP神經網(wǎng)絡算法進行局部放電定位，可以對電氣設備故障能夠進行有效診斷，與傳統(tǒng)時延法為基礎的局部放電定位方法相比，顯著的減小了系統(tǒng)硬件的成本，有利于實際推廣并促進了局部放電檢測和定位技術的進一步發(fā)展。

盡管本發(fā)明的內容已經通過上述優(yōu)選實施例作了詳細介紹，但應當認識到上述的描述不應被認為是對本發(fā)明的限制。在本領域技術人員閱讀了上述內容后，對于本發(fā)明的多種修改和替代都將是顯而易見的。因此，本發(fā)明的保護范圍應由所附的權利要求來限定。