基于虚拟仪器技术的气体绝缘组合电器在线监测方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN200610095138.X 

申 请 日：20060920 

发 明 人：张晓星唐炬唐世宇杜林莫文强李剑刘明军许中荣 

申 请 人：重庆大学 

申请人地址：400044重庆市沙坪坝区沙正街174号重庆大学专利中心 

公 开 日：20081022 

公 开 号：CN100427961C 

代 理 人：胡正顺 

代理机构：重庆大学专利中心 

摘　　要：一种基于虚拟仪器技术的气体绝缘组合电器在线监测方法，属于电气设备绝缘监测技术领域。本发明利用计算机及本申请人申请的申请号为200610054229.9的“气体绝缘组合电器局部放电在线检测定位装置及定位方法”中的定位装置，通过基于虚拟仪器技术的、包含参数设置、在线监测、数据分析、历史查询四个单元模块的计算机程序，全天候对GIS的局部放电进行在线监测，具有多种数据分析，预警、故障诊断、定位和多种查询功能。本发明具有运行稳定，界面友好，操作方便，功能齐备的特点，可广泛应用于发电厂升压站和电网的GIS变电站的局部放电在线监测中。 

主 权 项：1、一种基于虚拟仪器技术的气体组合电器在线监测方法，利用计算机，通过基于虚拟仪器技术的GIS在线监测计算机程序进行局部放电在线监测，其具体的方法步骤如下：(1)参数设置首先进入参数设置：主要进行采样频率、采样长度、定时长度采样参数设置，触发阈值设置，报警阈值设置，监测方式即手动和自动方式设置，滤波参数设置；(2)系统功能选择在第(1)步参数设置完成后，进入功能选择单元，并自动选择功能1，进入在线监测模块；当数据采集完毕时，自动选择功能2，进入数据分析模块；当操作人员巡检时，选择功能3，进入历史查询模块；需要停止监测时，操作人员选择功能4，系统退出，程序结束；1)当选择功能1时，进入在线监测模块，进行在线监测，在线监测单元首先根据参数设置单元中的采样参数设置，对高速数字采集器进行初始化，然后进行监测方式判断，当监测方式为自动方式时，自动对全站被测盆式绝缘子处的传感器采集的局部放电信号进行循环监测，当监测方式为手动方式时，选择某一个被测盆式绝缘子处的传感器信号进行集中监测，手动方式用于出现局部放电信号超过预警值时需要重点观察的GIS间隔，当监测方式为自动方式时：根据采样定时设置间隔启动定时器，当间隔时间到时，计算机首先通过总线控制多路智能开关，轮流选通传感器阵列中微带贴片天线，同时启动高速数字采集器，依次将各个微带贴片天线的信号转换为数字信号，再通过总线传送至计算机内进行数据处理，并对数据进行显示和存储处理，巡检结束时返回等待下一次定时到来，当监测方式为手动方式时：计算机首先通过总线控制多路智能开关选通传感器阵列中某个微带贴片天线，同时启动高速数字采集器，依次将该微带贴片天线的信号转换为数字信号，再通过总线传送至计算机内进行数据处理，并对数据进行显示和存储处理，存储模块实现了对于测量的局部放电的实时的原始数据自动保存，数据库采用通用的关系型数据库，存储内容包括局部放电信号波形和设备号，采集时间以及最大放电量，当在线监测完成后，进行退出判断，当退出时，返回第(2)步进行功能选择；当不退出时，自动选择功能2，进入数据分析模块；2)当选择功能2时，进入数据分析模块，进行数据分析，数据分析单元用于对局部放电数据的复小波去噪和频谱分析，并对故障类型进行模式识别和局部放电源定位；①复小波去噪：采用复小波技术对采集的传感器信号进行去噪处理，去除检测现场存在的白噪、窄带干扰信号，根据复小波去噪后信号幅值，当大于报警阈值时，则进行声光报警；②频谱分析：联合时频分析能够细致刻画放电信号在时频平面上所发生的变化过程，对局部放电信号进行频谱分析，能反映出局部放电信号的时频特性，供以后进一步分析；③模式识别：模式识别对GIS局部放电进行故障诊断，以便准确掌握GIS内部的缺陷性质和指导维修，模式识别的首先要进行特征提取，然后将提取的特征通过神经网络进行模式识别，其特征提取的具体步骤如下：1＞PD信号预处理：对局部放电信号样本进行复小波去噪处理，并将去噪后的信号归一化；2＞处理后信号的复小波分解：对预处理后的信号进行复小波变换，复小波分解层数n为3-5层，得到各个尺度的复小波系数；3＞各尺度系数模糊聚类：对各尺度系数即复小波系数的实部R、虚部I和复合信息R|I|，进行模糊C均值聚类，聚类数c为2-4；C＝{ci，1，ci，2，…，ci，n}为待分类第i尺度小波系数；V＝{v1，v2，…，vc}为c个聚类中心，vp∈RP：隶属矩阵U＝[up，k]nxc，且满足up，k∈[0，1]、$\underset{p=1}{\overset{c}{\Sigma }}{u}_{p,k}=1,给定初始分类矩阵Ucxn\; (l)，其中l为迭代次数；则初始分类的聚类中心向量：$ V_p^{\left(l\right)}=\frac{\underset{k=1}{\overset{n}{\Sigma }}\left[{\left(u_{p,k}^{\left(l\right)}\right)}^m{C}_k\right]}{\underset{k=1}{\overset{n}{\Sigma }}{\left(u_{p,k}^{\left(l\right)}\right)}^m}---\left(1\right)更新隶属矩阵：$ u_{p,k}^{(l+1)}=\frac{1}{\underset{j=1}{\overset{c}{\Sigma }}{\left(\frac{\left|\right|C_k-V_p^{\left(l\right)}\left|\right|}{\left|\right|C_k-V_j^{\left(l\right)}\left|\right|}\right)}^{\frac{2}{m-1}}}---\left(2\right)目标函数Jb定义为：$ J_b(U,V)=\underset{k=1}{\overset{n}{\Sigma }}\underset{p=1}{\overset{c}{\Sigma }}{u}_{\mathrm{pk}}{\left|\right|c_{i,k}-v_p\left|\right|}^2---\left(3\right)用式(1)-(3)反复计算聚类中心、分类矩阵即隶属度矩阵，直到目标函数Jb达到最小；4＞形成各尺度特征量：将各个尺度下的每个聚类的小波系数的能量作为特征量，每个局部放电样本生成n\times c个特征量；$ f_{i,k}=\sqrt{d_{i,j}^2+···+d_{i,m}^2},k=\mathrm{1,2},···,n---\left(4\right)其中fi，k为第i尺度下第k个聚类的特征量，di，j，\dots ，di，m为第i尺度下第k个聚类中的所有的小波系数；进行模式识别时，首先对不同类型的局部放电波形训练样本按上述特征提取步骤形成特征量库，并训练神经网络；然后将在线监测现场采集的局部放电需要分类的波形样本按上述特征提取步骤形成特征量，并输入神经网络进行局部放电源缺陷类型识别，识别结果供技术人员参考：④局部放电源定位；在第(2)-2)步功能2数据分析完成后，进行退出判断，当退出时，返回第(2)步进行功能选择；当不退出时，自动选择功能1，进入在线监测模块；3)当选择功能3时，进入历史查询模块，进行历史查询，为方便变电站工作人员及上级管理人员长期观察站内电力设备的运行状况，监测系统提供查询功能，首先针对历史局部放电数据进行查询，生成历史数据报表和历史放电信号幅值变化趋势图，并且制定设备年、月和日趋势曲线查询，由于超高频传感器测量的信号幅值和传播路径密切相关，所以用放电量PC来标定有很大的困难，本发明人采用通过在线连续测量UHF局部放电信号波形的信号幅值，观察信号幅值的历史变化趋势，来判断局部放电的严重程度，当信号幅值变化显著时，表示内部绝缘劣化趋势显著，以声光向监测人员报警，技术人员应及时处理，在历史查询完成后，进行退出判断，当退出时，返回第(2)步进行功能选择；当不退出时，继续进行历史查询；4)当选择功能4时，系统退出，程序结束。 $$$$$

关 键 词： 

法律状态：公开 

IPC专利分类号：G01R31/00(2006.01);G01R31/12(2006.01);G01R31/02(2006.01);H01H9/50(2006.01);H01H33/26(2006.01)