电压等级设备的故障检测方法
【技术领域】
[0001]本发明涉及电力设备技术领域，具体是电压等级设备的故障检测方法。
【背景技术】
[0002]电力是以血能作为动力的能源。电力系统是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、经济、优质的电能。
[0003]电压等级(voltage class)是电力系统及电力设备的额定电压级别系列。额定电压是电力系统及电力设备规定的正常电压，即与电力系统及电力设备某些运行特性有关的标称电压。电力系统各点的实际运行电压允许在一定程度上偏离其额定电压，在这一允许偏离范围内，各种电力设备及电力系统本身仍然能正常运行。
[0004]目前我国常用的电压等级:220V、380V、6kV、10kV、35kV、110kV、220kV、330kV、500kV，1000kV。电力系统一般是由发电厂、输电线路、变电所、配电线路及用电设备构成。通常将35kV以上的电压线路称为送电线路。35kV及其以下的电压线路称为配电线路。将额定IkV以上电压称为“高电压”，额定电压在IkV以下电压称为“低电压”。
[0005]我国规定安全电压为42V、36V、24V、12V、6V五种。
[0006]交流电压等级中，通常将IkV及以下称为低压，IkV以上、20kV及以下称为中压，20kV以上、330kV以下称为高压，330kV及以上、100kV以下称为超高压，100kV及以上称为特高压。直流电压等级中，±800kV以下称为高压，±800kV及以上称为特高压
精细的电压等级的分类使得电压等级设备的数目也随之增加，使得电路的结构和控制方式更加复杂，同时使得电压等级设备的故障率增加，因而电压等级设备的故障检测尤为重要。现有的电压等级设备检测方法主要是基于知识和经验的故障检测，但是该方法的检测效率较低，应用范围较窄。
【发明内容】
[0007]本发明的目的在于提供提高检测效率的电压等级设备的故障检测方法，以解决上述【背景技术】中提出的问题。
[0008]为实现上述目的，本发明提供如下技术方案:
电压等级设备的故障检测方法，包括:
步骤1、三次神经网络模型的训练过程，该训练过程包括:
1)将电压等级设备的在预设故障状态下的输出信号进行傅里叶变换，得到电压谐波信号;
2)将所述步骤I)中经傅里叶变换后的谐波信号输入神经网络模型的输入层；
3)根据神经网络模型的输入信号和神经网络模型的预设输出信号确定神经网路模型的权值，以确定神经网络模型的分类机制，神经网络模型的预设输出信号与预设故障状态对应；
步骤2、三次神经网络模型的测试过程，该测试过程包括:
1)将电压等级设备的调制比的值调节为不同于训练过程中所对应的调制比的值，并对电压等级设备在预设故障下的输出信号进行傅里叶变换；
2)将傅里叶变换后的谐波信号输入神经网络模型；
3)比较神经网络模型的实际输出信号和预设输出信号是否一致，若是，则神经网络模型训练成功，进行下一步；若否，则神经网络模型训练失败；
步骤3、将电压等级设备的输出电压信号进行傅里叶变换，以得到电压谐波信号；
1)将电压等级设备的输出的模拟电压信号转换为数字电压信号；
2)将转换后的数字电压信号进行傅里叶变换；
步骤4、利用神经网络模型对傅里叶变换后的电压谐波信号进行分类；
1)将神经网络模型的输入信号进行归一化；
2)将归一化后的值进行降维；
步骤5、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。
[0009]与现有技术相比，本发明的有益效果是:本发明利用傅里叶变换可以应用于各种不同的信号，因而检测效率提高，适用范围有所增大；利用神经网络模型对电压谐波信号进行分类以确定各类型电压谐波信号所对应的故障类型，进而确定电压等级设备的输出电压信号所对应的故障类型，提高了检测效率。
【具体实施方式】
[0010]下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0011]实施例1
本发明实施例中，电压等级设备的故障检测方法，该故障检测方法包括:
步骤1、三次神经网络模型的训练过程，该训练过程包括:1)将电压等级设备的在预设故障状态下的输出信号进行傅里叶变换，得到电压谐波信号；2)将所述步骤I)中经傅里叶变换后的谐波信号输入神经网络模型的输入层；3)根据神经网络模型的输入信号和神经网络模型的预设输出信号确定神经网路模型的权值，以确定神经网络模型的分类机制，神经网络模型的预设输出信号与预设故障状态对应。
[0012]步骤2、三次神经网络模型的测试过程，该测试过程包括:1)将电压等级设备的调制比的值调节为不同于训练过程中所对应的调制比的值，并对电压等级设备在预设故障下的输出信号进行傅里叶变换；2)将傅里叶变换后的谐波信号输入神经网络模型；3)比较神经网络模型的实际输出信号和预设输出信号是否一致，若是，则神经网络模型训练成功，进行下一步；若否，则神经网络模型训练失败。
[0013]步骤3、将电压等级设备的输出电压信号进行傅里叶变换，以得到电压谐波信号；
I)将电压等级设备的输出的模拟电压信号转换为数字电压信号；2)将转换后的数字电压信号进行傅里叶变换。
[0014]步骤4、利用神经网络模型对傅里叶变换后的电压谐波信号进行分类；1)将神经网络模型的输入信号进行归一化；2)将归一化后的值进行降维。
[0015]利用神经网络模型对傅里叶变换后的电压谐波信号进行分类。具体地，神经网络模型的输入层可以设置有20?50个输入节点，将傅里叶变换后得到的各次谐波信号依次输入各个输入节点，例如，将基波信号输入第一个输入节点，一次谐波信号输入第二个输入节点，二次谐波信号输入第三个输入结点，以此类推。神经网络模型的输出层的输出节点的数量可以根据电压等级设备可能出现的故障的类别数而进行设置。以电压等级设备包括5个下级电压等级设备为例，当只考虑其中一个下级电压等级设发生故障的情况时，所述电压等级设备的故障状态有5种，分别为:第一个下级电压等级设发生故障，第二个下级电压等级设发生故障，第三个下级电压等级设发生故障等等。这种情况下，所述神经网络模型的输出节点的数量可以设置为3个，每个节点可以输出0、1两种信号，因而所述神经网络模型共可以输出8种不同的信号，其中的5种不同的信号与5种故障类型相对应。例如，当所述神经网络模型的输出为0001时，可以判断电压等级设备的第一个下级电压等级设发生故障；当所述神经网络模型的输出为005时，可以判断电压等级设备的第二个下级电压等级设发生故障，以此类推。
[0016]步骤5、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。神经网络模型可以有多种输出形式，例如可以在输出层设置多个节点，也可以设置多个子神经网络模型，每个子神经网络模型的输出层设置一个输出节点，只要可以输出不同的信号以区别不同的故障状态即可。本发明中应用神经网络模型的好处在于，可以提高分类效率，对于结构复杂而可能发生多种故障的电压等级设备，应用神经网络模型可以提高检测效率。
[0017]对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
[0018]此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
【主权项】
1.电压等级设备的故障检测方法，其特征在于，包括: 步骤1、三次神经网络模型的训练过程，该训练过程包括: 1)将电压等级设备的在预设故障状态下的输出信号进行傅里叶变换，得到电压谐波信号; 2)将所述步骤I)中经傅里叶变换后的谐波信号输入神经网络模型的输入层； 3)根据神经网络模型的输入信号和神经网络模型的预设输出信号确定神经网路模型的权值，以确定神经网络模型的分类机制，神经网络模型的预设输出信号与预设故障状态对应； 步骤2、三次神经网络模型的测试过程，该测试过程包括: 1)将电压等级设备的调制比的值调节为不同于训练过程中所对应的调制比的值，并对电压等级设备在预设故障下的输出信号进行傅里叶变换； 2)将傅里叶变换后的谐波信号输入神经网络模型； 3)比较神经网络模型的实际输出信号和预设输出信号是否一致，若是，则神经网络模型训练成功，进行下一步；若否，则神经网络模型训练失败； 步骤3、将电压等级设备的输出电压信号进行傅里叶变换，以得到电压谐波信号； 1)将电压等级设备的输出的模拟电压信号转换为数字电压信号； 2)将转换后的数字电压信号进行傅里叶变换； 步骤4、利用神经网络模型对傅里叶变换后的电压谐波信号进行分类； 1)将神经网络模型的输入信号进行归一化； 2)将归一化后的值进行降维； 步骤5、确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。
【专利摘要】本发明公开了电压等级设备的故障检测方法，经过三次神经网络模型的训练过程、三次神经网络模型的测试过程，将电压等级设备的输出电压信号进行傅里叶变换，以得到电压谐波信号；利用神经网络模型对傅里叶变换后的电压谐波信号进行分类；确定各种类型的傅里叶变换后的电压谐波信号所对应的故障类型。本发明利用傅里叶变换可以应用于各种不同的信号，因而检测效率提高，适用范围有所增大；利用神经网络模型对电压谐波信号进行分类以确定各类型电压谐波信号所对应的故障类型，进而确定电压等级设备的输出电压信号所对应的故障类型，提高了检测效率。
【IPC分类】G01R31-00
【公开号】CN104833884
【申请号】CN201510252419
【发明人】石磊, 张勇, 吴彬
【申请人】国家电网公司, 国网山东禹城市供电公司
【公开日】2015年8月12日
【申请日】2015年5月18日