基于神经网络和无线传感阵列的局部放电测向方法及系统与流程

本发明涉及电力系统输变电设备运行维护领域中的局部放电测向方法及系统，尤其涉及一种基于神经网络和无线传感阵列的局部放电测向方法及系统。

背景技术：

绝缘体中只有局部区域发生的放电，而没有贯穿施加电压的导体之间，可以发生在导体附近，也可以发生在其他地方，这种现象称为局部放电(partialdischarge,pd)。局部放电是电气设备尤其是高压电力设备绝缘故障的主要原因，强烈的局部放电会使绝缘强度很快下降，这是使高压电力设备绝缘损坏的一个重要因素。因此需要对运行中的电气设备尤其是高压电力设备进行基于局部放电信息的状态监测。

对局部放电源的准确定位可以为电气设备尤其是高压电力设备的状态监测和维护提供重要信息。特高频检测技术由于灵敏度高、抗干扰性强等优点在国内外得到了大量的应用。局部放电全站特高频监测较多地采用到达时间(timeofarrival,toa)或到达时间差(timedifferenceofarrival,tdoa)等基于时延序列的局部放电源定位方法。这类方法需要传感器间保持纳秒级的时间同步及至少几个gsa/s的采样率，导致硬件成本高，设备体积大，便携性差。

近年来，国内外开展了基于特高频接收信号强度(receivedsignalstrengthindicator,rssi)的局部放电源定位技术的研究应用，相较toa、tdoa等定位方法，rssi具有较低的设备成本和较好的环境适应性等特点。因此，本发明提出一种基于神经网络和无线传感阵列的局部放电测向方法及系统，旨在结合rssi技术、神经网络技术、无线传感阵列技术进行局部放电源的方位测定，从而在局部放电测向上实现局部放电源的准确定位，同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。

技术实现要素：

本发明的目的之一是提供一种基于神经网络和无线传感阵列的局部放电测向方法，该方法能在局部放电测向上实现局部放电源的准确定位，同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。

根据上述发明目的，本发明提出了一种基于神经网络和无线传感阵列的局部放电测向方法，其对局部放电源的方向进行测定，其中：所述无线传感阵列包括若干无线定向传感器，所述无线定向传感器至少具有第一特定接收方向，当该第一特定接收方向正对局部放电源时接收信号强度最强；所述无线传感阵列中的无线定向传感器的第一特定接收方向分别指向不同的方向以接收局部放电信号；所述方法包括以下步骤：

s100：通过所述无线传感阵列获取一段时间内的若干组局部放电信号的幅值数据，其中每组数据分别对应相应的时间点，每组数据中的每个数据分别对应相应的无线定向传感器；

s200：构建神经网络，基于神经网络对所述若干组局部放电信号的幅值数据进行筛选，留下可信度高的数据组；

s300：基于经步骤s200筛选的数据组确定局部放电源的方向。

本发明提出的基于神经网络和无线传感阵列的局部放电测向方法，其采用无线定向传感器构建无线传感阵列，该无线传感阵列中的无线定向传感器的第一特定接收方向指向不同方向，从而在不同方向上接收同一局部放电信号，并转换为不同强度的幅值数据，从而根据幅值数据的大小和对应的无线定向传感器的第一特定接收方向的指向确定局部放电源的方向。同时，本发明还结合神经网络技术对幅值数据进行筛选，从而校正误差，提高准确度。

通常情况，所述无线传感阵列的排列方式为均匀圆阵，即所述无线定向传感器均匀分布在一圆周上，每个无线定向传感器的第一特定接收方向沿圆周半径指向圆周外部。分布的无线定向传感器数量越多，则对360°方位划分的份数就越多，精度就越高。所述无线定向传感器通常为特高频传感器，从而有效检测局部放电信号。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述无线传感阵列中的无线定向传感器周向均匀排列在一圆周上形成圆形阵列，其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部。

上述方案为常规方案，便于实施和计算。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述步骤s300中，分别寻找所述每组数据中的最大值，该最大值对应的无线定向传感器的第一特定接收方向指向的方向即为该组数据对应的定向结果，然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。

上述方案中，所述一段时间内测定的方式通常是在该段时间内持续进行局部放电信号采集，然后将采集的信号按照时间序列排列并分组转换为相应的幅值数据，再对该分组幅值数据执行上述步骤。寻找幅值数据最大值确定定向结果的原理是，所述第一特定接收方向正对局部放电源时接收信号强度最强，因此对应的无线定向传感器的第一特定接收方向指向的方向即为局部放电源相对于无线传感阵列的方位，也即该组数据对应的定向结果。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述步骤s300中，将所述无线定向传感器分布在圆周上的角度作为横坐标，将所述无线定向传感器接收的局部放电信号的幅值作为纵坐标，分别对所述每组数据进行曲线拟合，并寻找该曲线上的最大值，该最大值对应的横坐标上的角度即为该组数据对应的定向结果，然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。

上述方案用曲线拟合提高定位精度。为了提高定位精度，一种方法是在无线传感阵列中增加无线定向传感器数量，从而进一步将无线定向传感器分布方位基于圆周均匀划分，但是这样做会造成成本不断提高，而且圆周空间有限，不能无限制增加传感器。还有一种方法是按上述方案进行曲线拟合，这样就可以在坐标上找到一个基于拟合曲线的虚拟的无线定向传感器方位和相应的接收信号幅值，从而在节省成本的同时提高精度。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述无线定向传感器还具有第二特定接收方向，其与所述第一特定接收方向之间具有固定180°夹角，当该第二特定接收方向正对局部放电源时接收信号强度最弱；所述步骤s300中，分别寻找所述每组数据中的最小值，该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向即为该组数据对应的定向结果，然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。

考虑到通常无线定向传感器的传感特性是接收信号强度最强即最大幅值附近梯度较小而接收信号强度最弱即最小幅值附近梯度较大，为了快速和准确地寻找极值，上述方案采用寻找每组数据的最小值，基于该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向作为该组数据对应的定向结果。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述无线定向传感器还具有第二特定接收方向，其与所述第一特定接收方向之间具有固定180°夹角，当该第二特定接收方向正对局部放电源时接收信号强度最弱；所述步骤s300中，将所述无线定向传感器分布在圆周上的角度作为横坐标，将所述无线定向传感器接收的局部放电信号的幅值作为纵坐标，分别对所述每组数据进行曲线拟合，并寻找该曲线上的最小值，该最小值对应的横坐标上的角度加/减180°即为该组数据对应的定向结果，然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。

上述方案用曲线拟合提高定位精度，并采用寻找拟合曲线的最小值，基于该最小值对应的虚拟的无线定向传感器的第二特定接收方向加/减180°指向的方向作为该组数据对应的定向结果。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述无线定向传感器包括单极型pcb天线。

上述方案基于作为局部放电特高频传感器的单极型pcb天线制作所述无线定向传感器。通常所述单极型pcb天线安装在金属容器内，在所述第一特定接收方向用可透电磁波的材料封装，这样由于电磁屏蔽效应，在所述第一特定接收方向正对局部放电源时接收的信号强度最大，转动180°在所述第一特定接收方向背对局部放电源时，即所述第二特定接收方向正对局部放电源时接收的信号强度最小，并且通常在传感器转动过程中两个极值之间形成平滑过渡的特性。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述神经网络为bp神经网络。

bp(backpropagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。上述方案利用神经网络对于复杂随机非线性过程的学习能力筛选出可信度高的数据组。

进一步地，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法中，所述曲线拟合采用三次样条插值拟合。

上述方案中，所述三次样条插值(cubicsplineinterpolation)是通过一系列形值点的一条光滑曲线，数学上通过求解三弯矩方程组得出曲线函数组的过程。

本发明的另一目的是提供一种基于神经网络和无线传感阵列的局部放电测向系统，该系统能在局部放电测向上实现局部放电源的准确定位，同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。

根据上述发明目的，本发明提出了一种基于神经网络和无线传感阵列的局部放电测向系统，该系统包括数据连接的无线传感阵列和数据处理装置，采用上述局部放电测向方法中的任意一种方法确定局部放电源的方向，其中，所述数据处理装置执行所述步骤s200和s300。

本发明提出的基于神经网络和无线传感阵列的局部放电测向系统，其通过采用上述任一局部放电测向方法确定局部放电源的方向，因此，根据前述原理，该系统能在局部放电测向上实现局部放电源的准确定位，同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。

本发明所述的基于神经网络和无线传感阵列的局部放电测向方法与采用toa或tdoa等基于时延序列的局部放电源定位方法相比：采用toa或tdoa等基于时延序列的局部放电源定位方法需要传感器间保持纳秒级的时间同步及至少几个gsa/s的采样率，导致硬件成本高，设备体积大，便携性差。本发明的方法结合rssi技术、神经网络技术、无线传感阵列技术进行局部放电源的方位测定，从而在局部放电测向上实现局部放电源的准确定位，同时具有较低的设备成本、较小的设备体积、较好的设备便携性、较好的环境适应性以及较高的测向精度和准确度。

本发明所述的基于神经网络和无线传感阵列的局部放电测向系统同样具有以上优点和有益效果。

附图说明

图1为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法的流程示意图。

图2为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下的流程示意图。

图3为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型pcb天线的结构示意图。

图4为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型pcb天线的金属容器的仰视立体示意图。

图5为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型pcb天线的金属容器的俯视立体示意图。

图6为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的无线传感阵列的结构示意图。

图7为本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的bp神经网络的典型拓扑结构示意图。

图8为现场验证实例中一组幅值数据在坐标系中的三次样条插值拟合曲线示意图。

图9为现场验证实例中基于未经bp神经网络筛选的幅值数据得到的各组数据对应的定向结果示意图。

图10为现场验证实例中基于经bp神经网络筛选的幅值数据得到的各组数据对应的定向结果示意图。

具体实施方式

下面将结合说明书附图和具体的实施例对本发明所述的基于神经网络和无线传感阵列的局部放电测向方法及系统做进一步的详细说明。

图1示意了基于神经网络和无线传感阵列的局部放电测向方法的流程。

如图1所示，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法的流程包括：

s100：通过无线传感阵列获取一段时间内的若干组局部放电信号的幅值数据，其中每组数据分别对应相应的时间点，每组数据中的每个数据分别对应相应的无线定向传感器；

s200：构建神经网络，基于神经网络对若干组局部放电信号的幅值数据进行筛选，留下可信度高的数据组；

s300：基于经步骤s200筛选的数据组确定局部放电源的方向。

其中，无线传感阵列包括若干无线定向传感器，该无线定向传感器至少具有第一特定接收方向，当该第一特定接收方向正对局部放电源时接收信号强度最强；无线传感阵列中的无线定向传感器的第一特定接收方向分别指向不同的方向以接收局部放电信号。

在某些实施方式中，无线传感阵列中的无线定向传感器周向均匀排列在一圆周上形成圆形阵列，其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部。

在某些实施方式中，步骤s300中，分别寻找所述每组数据中的最大值，该最大值对应的无线定向传感器的第一特定接收方向指向的方向即为该组数据对应的定向结果，然后对所有定向结果取平均值即为所述一段时间内测定的局部放电源的方向。

在某些实施方式中，步骤s300中，将无线定向传感器分布在圆周上的角度作为横坐标，将无线定向传感器接收的局部放电信号的幅值作为纵坐标，分别对每组数据进行曲线拟合，并寻找该曲线上的最大值，该最大值对应的横坐标上的角度即为该组数据对应的定向结果，然后对所有定向结果取平均值即为一段时间内测定的局部放电源的方向。

在某些实施方式中，无线定向传感器还具有第二特定接收方向，其与第一特定接收方向之间具有固定180°夹角，当该第二特定接收方向正对局部放电源时接收信号强度最弱；步骤s300中，分别寻找所述每组数据中的最小值，该最小值对应的无线定向传感器的第二特定接收方向加/减180°指向的方向即为该组数据对应的定向结果，然后对所有定向结果取平均值即为一段时间内测定的局部放电源的方向。

在某些实施方式中，无线定向传感器还具有第二特定接收方向，其与所述第一特定接收方向之间具有固定180°夹角，当该第二特定接收方向正对局部放电源时接收信号强度最弱；步骤s300中，将无线定向传感器分布在圆周上的角度作为横坐标，将无线定向传感器接收的局部放电信号的幅值作为纵坐标，分别对每组数据进行曲线拟合，并寻找该曲线上的最小值，该最小值对应的横坐标上的角度加/减180°即为该组数据对应的定向结果，然后对所有定向结果取平均值即为一段时间内测定的局部放电源的方向。

在某些实施方式中，无线定向传感器包括单极型pcb天线。

在某些实施方式中，神经网络为bp神经网络。

在某些实施方式中，曲线拟合采用三次样条插值拟合。

图2示意了基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下的流程。图3示意了基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下使用的单极型pcb天线的结构示意图。图4示意了该实施方式中单极型pcb天线的金属容器的仰视立体结构。图5示意了该实施方式中单极型pcb天线的金属容器的俯视立体结构。图6示意了该实施方式中无线传感阵列的结构。图7示意了该实施方式中bp神经网络的典型拓扑结构。

如图2所示，本发明所述的基于神经网络和无线传感阵列的局部放电测向方法在一种实施方式下的流程包括以下步骤1-步骤11：

其中，无线传感阵列包括若干无线定向传感器，该无线定向传感器包括单极型pcb天线和相应的信号处理电路，如图3所示的单极型pcb天线(图3中矩形线框示意性地表示单极pcb天线的线路板，椭圆形示意性地表示金属天线)安装在如图4所示的金属容器的底部空间b处，底部空间a处填充封装介质，其中在第一特定接收方向用可透电磁波的材料封装，其它方向用不可透电磁波的材料封装。与该第一特定接收方向呈180°角度差的方向为该无线定向传感器的第二特定接收方向。当该第一特定接收方向正对局部放电源时接收信号强度最强，当该第二特定接收方向正对局部放电源时接收信号强度最弱，位于该第一特定接收方向和该第二特定接收方向之间的方向正对局部放电源时接收信号强度平滑过渡。用于将单极型pcb天线接收的信号转换为幅值数据输出的信号处理电路安装在如图5所示的金属容器的顶部空间a处。

无线传感阵列如图6所示，将s1-s12一共12个无线定向传感器周向均匀排列安装在一圆形框架1上，形成一个圆形阵列，其中每个无线定向传感器的第一特定接收方向分别沿着圆周半径指向圆形阵列外部以接收局部放电信号。以无线定向传感器s1为例，其第一特定接收方向d沿着圆周半径指向圆形阵列外部，与该第一特定接收方向d呈180°角度差的方向为该无线定向传感器的第二特定接收方向e。考虑到该过渡特性中信号强度最大值附近梯度较小而信号强度最小值附近梯度较大，本实施例采用寻找无线定向传感器接收信号强度最小值及其所对应的无线定向传感器在无线传感阵列中的方位角度，基于该方位角度确定局部放电源的方向。

步骤1：开始。

步骤2：传感器采集并传输数据。该步骤中，s1-s12一共12个无线定向传感器同时持续采集局部放电信号，按时间序列排列分组并转换为相应的幅值数据后传输给一数据处理装置。

步骤3：获取1分钟的放电幅值信息。该步骤中，局部放电持续1分钟，每秒产生1次局部放电，上述数据处理装置通过上述无线传感阵列获取1分钟内的60组局部放电信号的幅值数据，其中每组数据分别对应相应的时间点，每组数据中的每个数据分别对应相应的无线定向传感器。

步骤4：归一化。该步骤通过上述数据处理装置对上述每组幅值数据放进坐标系并进行归一化处理。其中，以无线定向传感器分布在圆周上的角度作为横坐标，以无线定向传感器接收的局部放电信号的幅值作为纵坐标，将上述60组局部放电信号的幅值数据放进坐标系，形成60组坐标数据。由于第1个无线定向传感器s1的角度既可以是0°，也可以是360°，因此我们将第1个无线定向传感器s1也看成是第13个无线定向传感器。

步骤5：神经网络训练。该步骤通过上述数据处理装置构建bp神经网络，基于bp神经网络对上述60组局部放电信号的幅值数据进行筛选，留下可信度高的数据组。

该步骤中，对60组数据，可能某些数据不准确，需要进行筛选工作，否则给后续的定向造成大量的误差。本实施例利用bp神经网络对于复杂随机非线性过程的学习能力进行数据筛选。该bp神经网络采用三层结构：输入层、隐含层和输出层。输入层为每组幅数据的13个纵坐标数据，输出层只含一个输出节点，结果用1或者0表示，隐含层和其他层通过权值连接。

当输入的13个无线定向传感器对应的纵坐标数据中某个数值和这个无线定向传感器对应的所有60次放电的均值之间相差较大时，认为该数据可信度较低，最后的输出结果用0表示，认为本组数据偏差较大，会造成较大的定向误差；当波动较小时，认为可信度较高，此时输出结果为1。bp神经网络典型结构如图7所示，其中x为输入层，w为隐含层，y为输出层，x1-xm为输入节点，本实施例中m＝13，y1-yn为输出节点，本实施例中n＝1，wki和wij为连接权值。经过神经网络筛选后，留下结果为1的数据组，这样可得到数据波动较小的数据组。后续对留下来数据组进行操作。

步骤6：数据插值拟合。该步骤通过上述数据处理装置对上述经筛选的数据组分别进行插值拟合。

该步骤中，分别对经筛选留下的每组坐标数据进行曲线拟合，形成对应各组坐标数据的拟合曲线。

该步骤中，曲线拟合采用三次样条插值拟合。

三次样条插值，是在每两个相邻的横坐标[xj,xj+1]之间，令s(xj)＝yj，s(xj+1)＝yj+1，利用三次函数在子区间[xj,xj+1]上将s(xj)、s(xj+1)连接，表达式为：

s(x)＝ajx³+bjx²+cjx+dj(1)

其中x∈(xj,xj+1)，j＝1,2,…,12，aj,bj,cj,dj为待定系数。

在每个子区间内建立同样的三次样条函数，共有12个子区间，所以有12个未知的三次函数和48个未知数，再由连接节点处的光滑性条件可得：

加上13个点的方程，共有46个方程，而未知数有48个，需要补充两个边界条件，本实施例选择自然边界条件，即边界点的二阶导数s″(x1)和s″(x13)值为0。

联立方程求解得到未知数后，利用三次样条函数将13个点连接，即得到拟合曲线。

步骤7：寻找曲线最低点对应的角度。该步骤中，通过上述数据处理装置分别寻找上述各条拟合曲线上的最小值，确定该最小值对应的横坐标上的角度。

步骤8：角度±180°。该步骤中，通过上述数据处理装置将上述各最小值对应的横坐标上的角度加/减180°即为各组数据对应的定向结果。

步骤9：获得定位结果。该步骤中，通过上述数据处理装置对上述所有定向结果取平均值即为上述1分钟内测定的局部放电源的方向。

步骤10：判断定位是否结束。该步骤中上述数据处理装置根据测向指令判断定位是否结束，若是则进入步骤11结束，若否则回到步骤2继续。

步骤11：结束。

上述无线传感阵列和数据处理装置相互数据连接，构成本实施例的基于神经网络和无线传感阵列的局部放电测向系统。该系统采用上述局部放电测向方法确定局部放电源的方向。

下面对上述实施例进行现场测试验证。

图8示意了一组幅值数据在坐标系中的三次样条插值拟合曲线。图9示意了基于未经bp神经网络筛选的幅值数据得到的各组数据对应的定向结果。图10示意了基于经bp神经网络筛选的幅值数据得到的各组数据对应的定向结果。其中，图8的横坐标为角度，纵坐标为归一化幅值，图例f为拟合曲线，图例g为实际获取的幅值数据坐标，图例h为寻找的拟合曲线上的纵坐标最小值对应的横坐标指示线。图9和图10的周向坐标为角度，径向坐标为归一化幅值。

在高压大厅，按照上述实施例的系统和方法进行局部放电源的方向测定。选用12个无线定向传感器构建无线传感阵列，这样分辨率为30°，局部放电源方位角度设置为240°。局部放电持续1分钟，每秒产生1次局部放电。获取1分钟的放电幅值信息。利用三次样条插值方法将幅值数据连成一条连续光滑曲线，计算曲线上从0°到360°之间最低点。对数据的三次样条插值示意图如图8所示。未经bp神经网络筛选的定向结果见图9，可以看出定向结果的大都在240°～300°之间，在这之外，还存在少量的散点，具有较大的分散性。经过bp神经网络筛选后，定向结果大量减少，但是定向结果集中度大幅度提高，见图10，计算的平均值为245.9°，该角度即为上述1分钟内测定的局部放电源的方向，与实际局部放电源的方向之间的误差为5.9°。

要注意的是，以上列举的仅为本发明的具体实施例，显然本发明不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形，均应属于本发明的保护范围。