斷電電纜絕緣性檢驗系統(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系統(tǒng)及方法。
【背景技術(shù)】
[0002] 隨著社會對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)絡的安全 運行成為電力行業(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)廣泛應用于輸電線路和配電網(wǎng)中，因此，對電纜的絕緣狀態(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系統(tǒng)，包括電壓信號預處理模塊， 特征值提取模塊、神經(jīng)網(wǎng)絡訓練器和神經(jīng)網(wǎng)絡識別器，電壓信號預處理模塊，特征值提取模 塊、神經(jīng)網(wǎng)絡訓練器和神經(jīng)網(wǎng)絡識別器依次連接。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LCR振蕩電路，使直流電源對被測電纜進行充電；步驟二： 完成充電的基礎(chǔ)上，開關(guān)導通，使LCR振蕩回路可W進行阻尼振蕩，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)絡診斷模型構(gòu)建的具體流程為；對不同電纜的大量的正常運行與放電震蕩電壓 波信號進行實時采樣，對采樣結(jié)果進行特征值提取并作為神經(jīng)網(wǎng)絡的學習樣本，將其輸入 神經(jīng)網(wǎng)絡中對網(wǎng)絡進行訓練，把訓練好的神經(jīng)網(wǎng)絡作為絕緣性檢驗的識別器，如果識別器 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)絡的特征值。所述神經(jīng)網(wǎng)絡模型采用附加動量項的向后傳播神經(jīng) 網(wǎng)絡算法對網(wǎng)絡進行訓練，選擇Sigmoid函數(shù)作為該節(jié)點的傳遞函數(shù)。
[0005] 本發(fā)明有如下積極效果；BP神經(jīng)網(wǎng)絡具有非線性映射、自適應學習和容錯能力， 小波分解具有多分辨率特性，將小波分解和時域特征量相結(jié)合輸入到神經(jīng)網(wǎng)絡中，充分發(fā) 揮各自的優(yōu)勢，有利于電纜放電的識別，進行絕緣性檢驗。
【附圖說明】
[0006] 圖1為本發(fā)明【具體實施方式】電纜絕緣性檢測系統(tǒng)； 圖2為本發(fā)明【具體實施方式】Mallat算法結(jié)構(gòu)； 圖3為本發(fā)明【具體實施方式】放電神經(jīng)網(wǎng)絡識別器模型。
【具體實施方式】
[0007] 下面對照附圖，通過對實施例的描述，本發(fā)明的【具體實施方式】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，作進一步詳細的說明，W幫助本領(lǐng)域技術(shù)人員對本發(fā)明的發(fā)明構(gòu)思、技術(shù) 方案有更完整、準確和深入的理解。
[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LCR震蕩回路，當開關(guān)斷開時，在充電回路中，直 流電源可W對被測電纜進行直流充電。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形成一個充電回路。在完成充電的基礎(chǔ) 上，當開關(guān)導通時，LCR振蕩回路可W進行阻尼振蕩。LCR振蕩回路進行阻尼振蕩可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。本發(fā)明通過采集振蕩電壓波形，利用神經(jīng) 網(wǎng)絡對波形進行分析處理，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)絡的電纜絕緣性識別系統(tǒng)如圖1所示。系統(tǒng)包括電壓信號預 處理模塊，特征值提取模塊、神經(jīng)網(wǎng)絡訓練器和神經(jīng)網(wǎng)絡識別器，電壓信號預處理模塊，特 征值提取模塊、神經(jīng)網(wǎng)絡訓練器和神經(jīng)網(wǎng)絡識別器依次連接。系統(tǒng)首先分別對不同電纜的 大量的正常運行與放電震蕩電壓波信號進行實時采樣，對采樣結(jié)果進行特征值提取并作為 神經(jīng)網(wǎng)絡的學習樣本，將其輸入神經(jīng)網(wǎng)絡中對網(wǎng)絡進行訓練，把訓練好的神經(jīng)網(wǎng)絡作為非 絕緣性的識別器。對于神經(jīng)網(wǎng)絡的訓練在計算機中完成，其余部分均在檢測裝置中完成。裝 置運行時，把需要識別的電壓信號輸入到訓練好的神經(jīng)網(wǎng)絡中進行辨識。如果識別器檢測 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)絡方法的絕緣性檢驗，關(guān)鍵是確定神經(jīng)網(wǎng)絡的輸入量即電壓信號的特征 值。由于小波變換具有空間局部性，能"聚焦"于信號的局部結(jié)構(gòu)，利用小波變換能確定信 號的奇異性位置。本文將小波變換的高頻系數(shù)作為神經(jīng)網(wǎng)絡的一類輸入特征量，將線路電 流在時域的周期變化作為神經(jīng)網(wǎng)絡的一類輸入特征量。
[0011] 3.基于小波變換的特征值提取 電纜的電壓信號經(jīng)過兩層離散小波變換后出現(xiàn)逼近信號和細節(jié)信號，在發(fā)生放電現(xiàn)象 后，兩層細節(jié)信號的幅值都有明顯增加。小波變換是一種具有時頻域聯(lián)合分析特性的信號 分析方法，小波變換細節(jié)系數(shù)中的模極大值點能夠很好地對應放電原始波形中的突變點， 所W小波分析是描述放電現(xiàn)象的有效方法，且小波變換的細節(jié)信號也有效地反映了產(chǎn)生放 電時電壓的特征。
[001引在計算小波變換時，直接引用小波分析的Mallat 算 法的相關(guān)結(jié)論來計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】
1. 一種基于RVM的發(fā)動機故障診斷方法，其特征在于：包括如下步驟： 步驟一：預處理：對發(fā)動機運行速度及其對應的振幅、頻率樣本的先驗數(shù)據(jù)進行歸一 化處理，并建立運行速度及其對應的振幅、頻率與發(fā)動機狀態(tài)之間的對應關(guān)系； 步驟二：機器訓練：選擇合適的核函數(shù)并對其超參數(shù)進行魚群算法優(yōu)化訓練，建立合 適的R VM模型； 步驟三：故障診斷：采用"一對一" R VM分類器進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)動機故障診斷方法，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)動機故障診斷方法，其特征在于：所述魚群算 法的實現(xiàn)過程為： a. 初始化魚群種群數(shù)、各個階段的交叉率及變異率、最大迭代次數(shù)； b. 使用互信息計算各個變量之間的互信息； c. 采用MWST算法生成初始的無向圖，并指定任意一個節(jié)點為根節(jié)點生成初始種群； d. 計算所有初始種群的BIC評分，找出評分最大的分值及個體； 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. 若此編號的魚個體滿足聚群條件，則執(zhí)行聚群行為；否則執(zhí)行覓食行為； g. 若此編號的魚個體滿足追尾條件，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體進行比較，得到此魚個體"捕食"最優(yōu)的方 式，并記錄； i. 用一次"捕食"后的fishinum個魚個體中的最優(yōu)個體來更新公告板； j. 判斷是否達到最大迭代次數(shù)，若達到最大迭代次數(shù)，則算法結(jié)束；否則繼續(xù)進行； k. 輸出計算后的最高得分值，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)包括電壓信號預處理模塊，特征值提取模塊、神經(jīng)網(wǎng)絡訓練器和神經(jīng)網(wǎng)絡識別器，電壓信號預處理模塊，特征值提取模塊、神經(jīng)網(wǎng)絡訓練器和神經(jīng)網(wǎng)絡識別器依次連接。本發(fā)明方法的BP神經(jīng)網(wǎng)絡具有非線性映射、自適應學習和容錯能力，小波分解具有多分辨率特性，將小波分解和時域特征量相結(jié)合輸入到神經(jīng)網(wǎng)絡中，充分發(fā)揮各自的優(yōu)勢，有利于電纜放電的識別，進行絕緣性檢驗。
【IPC分類】G01R31-12
【公開號】CN104569747
【申請?zhí)枴緾N201410548016
【發(fā)明人】不公告發(fā)明人
【申請人】蕪湖揚宇機電技術(shù)開發(fā)有限公司
【公開日】2015年4月29日
【申請日】2014年10月16日