斷電電纜絕緣性檢驗(yàn)系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電纜技術(shù)領(lǐng)域，具體涉及一種斷電電纜絕緣性檢驗(yàn)系統(tǒng)及方法。
【背景技術(shù)】
[0002] 隨著社會(huì)對(duì)電力需求的不斷增大，電力產(chǎn)業(yè)得到快速發(fā)展，大型輸電網(wǎng)絡(luò)的安全 運(yùn)行成為電力行業(yè)關(guān)注的重大問題。隨著我國城市電網(wǎng)的不斷改造，電纜作為電力電纜己 經(jīng)廣泛應(yīng)用于輸電線路和配電網(wǎng)中，因此，對(duì)電纜的絕緣狀態(tài)檢測顯得十分必要而且重要。

【發(fā)明內(nèi)容】

[0003] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種斷電電纜絕緣性檢驗(yàn)系統(tǒng)及方法。
[0004] 本發(fā)明的技術(shù)方案是：一種斷電電纜絕緣性檢驗(yàn)系統(tǒng)，包括電壓信號(hào)預(yù)處理模塊， 特征值提取模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練器和神經(jīng)網(wǎng)絡(luò)識(shí)別器，電壓信號(hào)預(yù)處理模塊，特征值提取模 塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練器和神經(jīng)網(wǎng)絡(luò)識(shí)別器依次連接。包括如下步驟；步驟一：將被測電纜接通 直流電源，與電感、開關(guān)組成一個(gè)LCR振蕩電路，使直流電源對(duì)被測電纜進(jìn)行充電；步驟二： 完成充電的基礎(chǔ)上，開關(guān)導(dǎo)通，使LCR振蕩回路可W進(jìn)行阻尼振蕩，采集振蕩電壓波形；步 驟H ;構(gòu)建神經(jīng)網(wǎng)絡(luò)診斷模型，輸入采集的振蕩電壓波形，判斷電纜的絕緣性能。所述步驟 H中神經(jīng)網(wǎng)絡(luò)診斷模型構(gòu)建的具體流程為；對(duì)不同電纜的大量的正常運(yùn)行與放電震蕩電壓 波信號(hào)進(jìn)行實(shí)時(shí)采樣，對(duì)采樣結(jié)果進(jìn)行特征值提取并作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，將其輸入 神經(jīng)網(wǎng)絡(luò)中對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，把訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)作為絕緣性檢驗(yàn)的識(shí)別器，如果識(shí)別器 檢測到放電現(xiàn)象就控制脫扣裝置跳開電路，否則就開始新一輪檢測。所述特征值為小波變 換的高頻系數(shù)作為神經(jīng)網(wǎng)絡(luò)的特征值。所述神經(jīng)網(wǎng)絡(luò)模型采用附加動(dòng)量項(xiàng)的向后傳播神經(jīng) 網(wǎng)絡(luò)算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，選擇Sigmoid函數(shù)作為該節(jié)點(diǎn)的傳遞函數(shù)。
[0005] 本發(fā)明有如下積極效果；BP神經(jīng)網(wǎng)絡(luò)具有非線性映射、自適應(yīng)學(xué)習(xí)和容錯(cuò)能力， 小波分解具有多分辨率特性，將小波分解和時(shí)域特征量相結(jié)合輸入到神經(jīng)網(wǎng)絡(luò)中，充分發(fā) 揮各自的優(yōu)勢，有利于電纜放電的識(shí)別，進(jìn)行絕緣性檢驗(yàn)。
【附圖說明】
[0006] 圖1為本發(fā)明【具體實(shí)施方式】電纜絕緣性檢測系統(tǒng)； 圖2為本發(fā)明【具體實(shí)施方式】Mallat算法結(jié)構(gòu)； 圖3為本發(fā)明【具體實(shí)施方式】放電神經(jīng)網(wǎng)絡(luò)識(shí)別器模型。
【具體實(shí)施方式】
[0007] 下面對(duì)照附圖，通過對(duì)實(shí)施例的描述，本發(fā)明的【具體實(shí)施方式】如所涉及的各構(gòu)件 的形狀、構(gòu)造、各部分之間的相互位置及連接關(guān)系、各部分的作用及工作原理、制造工藝及 操作使用方法等，作進(jìn)一步詳細(xì)的說明，W幫助本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的發(fā)明構(gòu)思、技術(shù) 方案有更完整、準(zhǔn)確和深入的理解。
[0008] 本發(fā)明的主要思路是：本發(fā)明的檢驗(yàn)裝置包括直流電源、開關(guān)和電感，將直流電 源、開關(guān)、電感和斷電電纜連接，組成一個(gè)LCR震蕩回路，當(dāng)開關(guān)斷開時(shí)，在充電回路中，直 流電源可W對(duì)被測電纜進(jìn)行直流充電。電感，與所述直流電源相連接，并且與斷電電纜相連 接。直流電源、電感W及被測電纜H者相連接可W形成一個(gè)充電回路。在完成充電的基礎(chǔ) 上，當(dāng)開關(guān)導(dǎo)通時(shí)，LCR振蕩回路可W進(jìn)行阻尼振蕩。LCR振蕩回路進(jìn)行阻尼振蕩可W產(chǎn)生 振蕩電壓波，振蕩電壓波可W在被測電纜上產(chǎn)生振蕩波電壓。通過在被測電纜上施加振蕩 波電壓可W激發(fā)出電纜潛在缺陷處的放電信號(hào)。本發(fā)明通過采集振蕩電壓波形，利用神經(jīng) 網(wǎng)絡(luò)對(duì)波形進(jìn)行分析處理，判斷電纜是否存在漏電現(xiàn)象，絕緣性能是否良好。
[000引 1.絕緣性檢測原理 本發(fā)明提供的基于神經(jīng)網(wǎng)絡(luò)的電纜絕緣性識(shí)別系統(tǒng)如圖1所示。系統(tǒng)包括電壓信號(hào)預(yù) 處理模塊，特征值提取模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練器和神經(jīng)網(wǎng)絡(luò)識(shí)別器，電壓信號(hào)預(yù)處理模塊，特 征值提取模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練器和神經(jīng)網(wǎng)絡(luò)識(shí)別器依次連接。系統(tǒng)首先分別對(duì)不同電纜的 大量的正常運(yùn)行與放電震蕩電壓波信號(hào)進(jìn)行實(shí)時(shí)采樣，對(duì)采樣結(jié)果進(jìn)行特征值提取并作為 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，將其輸入神經(jīng)網(wǎng)絡(luò)中對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，把訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)作為非 絕緣性的識(shí)別器。對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練在計(jì)算機(jī)中完成，其余部分均在檢測裝置中完成。裝 置運(yùn)行時(shí)，把需要識(shí)別的電壓信號(hào)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行辨識(shí)。如果識(shí)別器檢測 到放電現(xiàn)象就控制脫扣裝置跳開電路，否則就開始新一輪檢測。
[0010] 2特征值的提取 基于神經(jīng)網(wǎng)絡(luò)方法的絕緣性檢驗(yàn)，關(guān)鍵是確定神經(jīng)網(wǎng)絡(luò)的輸入量即電壓信號(hào)的特征 值。由于小波變換具有空間局部性，能"聚焦"于信號(hào)的局部結(jié)構(gòu)，利用小波變換能確定信 號(hào)的奇異性位置。本文將小波變換的高頻系數(shù)作為神經(jīng)網(wǎng)絡(luò)的一類輸入特征量，將線路電 流在時(shí)域的周期變化作為神經(jīng)網(wǎng)絡(luò)的一類輸入特征量。
[0011] 3.基于小波變換的特征值提取 電纜的電壓信號(hào)經(jīng)過兩層離散小波變換后出現(xiàn)逼近信號(hào)和細(xì)節(jié)信號(hào)，在發(fā)生放電現(xiàn)象 后，兩層細(xì)節(jié)信號(hào)的幅值都有明顯增加。小波變換是一種具有時(shí)頻域聯(lián)合分析特性的信號(hào) 分析方法，小波變換細(xì)節(jié)系數(shù)中的模極大值點(diǎn)能夠很好地對(duì)應(yīng)放電原始波形中的突變點(diǎn)， 所W小波分析是描述放電現(xiàn)象的有效方法，且小波變換的細(xì)節(jié)信號(hào)也有效地反映了產(chǎn)生放 電時(shí)電壓的特征。
[001引在計(jì)算小波變換時(shí)，直接引用小波分析的Mallat 算 法的相關(guān)結(jié)論來計(jì)算小波變換的高頻系數(shù)，設(shè)尺度函數(shù)族 (華,}',,田乂，構(gòu)成尺度空間Vj的正交規(guī)范基，函數(shù)族(的臣乂構(gòu)成小波空間Wj 的正交規(guī)范基。定義數(shù)字濾波器h ( n)和g( n)為
【主權(quán)項(xiàng)】
1. 一種基于RVM的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：包括如下步驟： 步驟一：預(yù)處理：對(duì)發(fā)動(dòng)機(jī)運(yùn)行速度及其對(duì)應(yīng)的振幅、頻率樣本的先驗(yàn)數(shù)據(jù)進(jìn)行歸一 化處理，并建立運(yùn)行速度及其對(duì)應(yīng)的振幅、頻率與發(fā)動(dòng)機(jī)狀態(tài)之間的對(duì)應(yīng)關(guān)系； 步驟二：機(jī)器訓(xùn)練：選擇合適的核函數(shù)并對(duì)其超參數(shù)進(jìn)行魚群算法優(yōu)化訓(xùn)練，建立合 適的R VM模型； 步驟三：故障診斷：采用"一對(duì)一" R VM分類器進(jìn)行待測樣本故障診斷并輸出結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于RVM的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所述步驟二 中，核函數(shù)為高斯徑向基核函數(shù)。
3. 根據(jù)權(quán)利要求1所述的基于RVM的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所述魚群算 法的實(shí)現(xiàn)過程為： a. 初始化魚群種群數(shù)、各個(gè)階段的交叉率及變異率、最大迭代次數(shù)； b. 使用互信息計(jì)算各個(gè)變量之間的互信息； c. 采用MWST算法生成初始的無向圖，并指定任意一個(gè)節(jié)點(diǎn)為根節(jié)點(diǎn)生成初始種群； d. 計(jì)算所有初始種群的BIC評(píng)分，找出評(píng)分最大的分值及個(gè)體； e. 將d的結(jié)果放入初始化后的公告板； while (迭代次數(shù)<最大迭代次數(shù)） for k = I ：fishnum f. 若此編號(hào)的魚個(gè)體滿足聚群條件，則執(zhí)行聚群行為；否則執(zhí)行覓食行為； g. 若此編號(hào)的魚個(gè)體滿足追尾條件，則執(zhí)行追尾行為；否則執(zhí)行覓食行為； h. 將執(zhí)行完聚群行為和追尾行為的魚個(gè)體進(jìn)行比較，得到此魚個(gè)體"捕食"最優(yōu)的方 式，并記錄； i. 用一次"捕食"后的fishinum個(gè)魚個(gè)體中的最優(yōu)個(gè)體來更新公告板； j. 判斷是否達(dá)到最大迭代次數(shù)，若達(dá)到最大迭代次數(shù)，則算法結(jié)束；否則繼續(xù)進(jìn)行； k. 輸出計(jì)算后的最高得分值，得到最優(yōu)參數(shù)。
【專利摘要】本發(fā)明涉及一種斷電電纜絕緣性檢驗(yàn)系統(tǒng)及方法,屬于電纜技術(shù)領(lǐng)域,系統(tǒng)包括電壓信號(hào)預(yù)處理模塊，特征值提取模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練器和神經(jīng)網(wǎng)絡(luò)識(shí)別器，電壓信號(hào)預(yù)處理模塊，特征值提取模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練器和神經(jīng)網(wǎng)絡(luò)識(shí)別器依次連接。本發(fā)明方法的BP神經(jīng)網(wǎng)絡(luò)具有非線性映射、自適應(yīng)學(xué)習(xí)和容錯(cuò)能力，小波分解具有多分辨率特性，將小波分解和時(shí)域特征量相結(jié)合輸入到神經(jīng)網(wǎng)絡(luò)中，充分發(fā)揮各自的優(yōu)勢，有利于電纜放電的識(shí)別，進(jìn)行絕緣性檢驗(yàn)。
【IPC分類】G01R31-12
【公開號(hào)】CN104569747
【申請(qǐng)?zhí)枴緾N201410548016
【發(fā)明人】不公告發(fā)明人
【申請(qǐng)人】蕪湖揚(yáng)宇機(jī)電技術(shù)開發(fā)有限公司
【公開日】2015年4月29日
【申請(qǐng)日】2014年10月16日