一种用于变电站GIS局部放电检测的智能巡检系统及方法与流程

一种用于变电站gis局部放电检测的智能巡检系统及方法
技术领域
1.本发明属于移动机器人技术领域，具体涉及一种用于变电站gis局部放电检测的智能巡检系统及方法。


背景技术：

2.随着特高压输电的发展，变电站内的gis使用数量剧增，虽然gis具有占地面积小、电磁环境友好、可靠性高、寿命长的特点以及“免维护”的美称，然而现场数据表明gis在投入运营的前几年内及设备寿命的后几年故障频发。gis由于其结构紧凑，事故后检修速率慢，停电时间长，造成的经济损失严重，因此对其进行监测具有重要意义。
3.目前，由于在线监测技术的不成熟性，gis的监测多以人工的带电检测为主。检修人员手持局部放电检测仪进行局部放电的检测，不仅检修工作量大，而且由于时间等多种因素的限制，只能是定期的进行检测，由于周期长，很难在gis绝缘老化到故障前对其进行采取有效措施。
4.近几年来，随着机器人技术的快速发展，使得机器人广泛应用于电力工程领域。然而现有的机器人技术仅仅针对线路检修，忽略了对大型电力设备如gis的检测和维护；并且单一的超声波局部放电巡检机器人很难满足对gis局部放电的检测和诊断。


技术实现要素：

5.本发明的目的在于提供一种用于变电站gis局部放电检测的智能巡检系统及方法，解决了现有采用单一超声波局部放电巡检机器人很难满足对gis局部放电的检测和诊断的问题。
6.本发明是通过以下技术方案来实现：
7.一种用于变电站gis局部放电检测的智能巡检系统，包括上位机和机器人，上位机与机器人远程通讯，用于控制机器人工作；
8.机器人包括可移动车体，及设置在可移动车体上的主机、特高频检测单元、超声波检测单元和寻迹单元；特高频检测单元、超声波检测单元和寻迹单元均与主机连接；寻迹单元包括多个视觉传感器；
9.主机内设有深度卷积神经网络模块、路径规划模块、d-s融合模块、绝缘状态评估模块、故障类型判断模块、多传感器数据融合模块、定位模块及通讯模块；
10.深度卷积神经网络模块与视觉传感器连接，用于将视觉传感器采集的图像数据进行处理，得到处理后的图像信号；
11.路径规划模块，用于根据处理后的图像信号进行路径规划，进行巡检；
12.特高频检测单元，用于检测局部放电特高频信号，经过信号处理后得到特高频φ-q-n三维谱图；
13.超声波检测单元，用于检测超声波信号，经过信号处理得到时频信号图；
14.深度卷积神经网络模块与特高频检测单元和超声波检测单元连接，用于对特高频
φ-q-n三维谱图和时频信号图进行模式识别及归一化处理；
15.d-s融合模块，用于对归一化处理后的数据进行融合，得到融合结果；
16.故障类型诊断模块，用于根据融合结果与标准阈值进行比较，判断是否由局部放电发生，若有，则多传感器数据融合模块对特高频信号和超声波信号进行融合定位，判断出放电源所在位置；
17.定位模块，用于实时定位确定当前检测位置，当检测到局部放电时，记录位置信息。
18.进一步，所述智能巡检系统还包括基于云端saprk的大数据平台，定位模块与大数据平台无线通讯，用于将当前放电源所在的位置信息同步给大数据平台。
19.进一步，特高频检测单元中包含壳体，壳体为一端敞口一端封闭的杯状，在壳体内设有金属片，在壳体的敞口端设有检测窗口，金属屏蔽环1设置在检测窗口2表面，敞口端的周缘与金属屏蔽环的表面共形；在壳体的封闭端安装有同轴连接器，金属片通过探针与同轴连接器相连。
20.进一步，在检测窗口内封装有信号处理模块和检测传感器，信号处理模块与检测传感器连接，信号处理模块包括信号的三维局部放电相位处理电路和a/d转换电路。
21.进一步，超声波检测单元包括伞状外壳、固定架，伞状外壳通过转动轴连接在固定架上方，转动轴连接有用于驱动其转动的驱动电机；
22.在固定架内设有升降装置，升降装置的顶端与转动轴连接，用于控制转动轴升降；
23.在伞状外壳上安装有信号采集处理系统，信号采集处理系统包括接收电路、采集电路、滤波电路和信号处理电路；
24.所述接收电路包括前端接收电路和增益可调放大电路；
25.所述采集电路包括超声波采集电路和有效值转换电路；
26.所述信号处理电路包括信号时频分析处理电路和a/d转换电路；
27.滤波电路用于对超声波探头采集到的超声波信号进行物理滤波，信号处理电路用于对物理滤波后的信号进行高斯平滑滤波，得到时频信号图。
28.进一步，特高频检测单元通过多个自由度机械手臂连接在可移动车体上。
29.进一步，主机与特高频检测单元、超声波检测单元和寻迹单元分别采用485总线的方式进行通信。
30.进一步，上位机与机器人通过远程控制系统进行远程通讯，远程控制系统包括智能控制器、无线数据采集器、服务器及监控中心；
31.智能控制器用于控制上位机的信息传输和处理；无线数据采集器用于采集汇总数据；服务器和监控中心用于保证数据传输的安全。
32.一种用于变电站gis局部放电检测的智能巡检方法，包括以下步骤：
33.s1、操作人员通过上位机发出控制信号，控制机器人开机，并制定机器人的检修目标；
34.s2、机器人通过视觉传感器采集图像数据，并实时传递给主机，然后主机通过深度卷积神经网络模块进行处理，并进行路径规划，进行巡检；
35.s3、巡检过程中，特高频检测单元检测局部放电特高频信号，经过信号处理后得到特高频φ-q-n三维谱图；超声波检测单元检测超声波信号，经过信号处理得到时频信号图；
36.s4、深度卷积神经网络模块对时频信号图和特高频φ-q-n三维谱图进行模式识别，将识别结果进行归一化处理后通过d-s融合模块进行融合，融合结果与标准阈值进行比较，判断电力设备此时的绝缘状态等级，并根据绝缘状态等级进行相应的设备维护；同时根据融合结果判断此时是否有局部放电发生，如果有，判断其放电类型，同时进行s5；
37.s5、通过多传感器融合对s3传入的超声波信号和特高频信号进行融合定位，从而判断出放电源所在的位置，指导检修人员进行停电检修；
38.s6、当检测到局部放电时时，定位模块记录位置信息；
39.s7、机器人通过寻迹单元继续寻迹，并按上位机给定的巡检信息继续巡检，重复s2-s6；直到巡检完毕。
40.进一步，s3中，超声波信号经过低通滤波和高斯平滑滤波，得到时频信号图；
41.特高频信号通过相位局部放电分析处理得到特高频φ-q-n三维谱图。
42.与现有技术相比，本发明具有以下有益的技术效果：
43.本发明公开了一种用于变电站gis局部放电检测的智能巡检系统，包括上位机和机器人，上位机与机器人远程通讯；机器人包括可移动车体，设置在可移动车体上的主机、特高频检测单元、超声波检测单元和寻迹单元，特高频检测单元、超声波检测单元和寻迹单元均与主机连接；寻迹单元包括多个视觉传感器；主机内设有深度卷积神经网络模块、路径规划模块、d-s融合模块、绝缘状态评估模块、故障类型判断模块、多传感器数据融合模块、定位模块及通讯模块。将超声波和特高频检测综合在一起，采用非侵入式检测方法，超声波检测单元360度旋转和具有可升降的超声波检测单元，保障全方位检测；基于深度卷积神经网络的寻迹技术，对现有的lenet-5模型的层数进行修改，减小复杂程度，使其可以运行在小容量设备上。通过已有的图像数据进行学习，保证了机器人运动轨迹的可靠性。采用多传感器融合技术进行故障源的定位，通过融合注意力机制的卷积神经网络提取超声波信号的非稳态特征，通过胶囊神经网络提取特高频信号的动态特征，通过多通道网络融合技术，将超声波和特高频信号的波形信息进行融合处理，从而精确定位故障源的位置，并通过主机内的定位模块进行显示，同时每次传入的信息通过通信传到大数据saprk平台，更好的进行电力设备监视；通过机器人的变电站gis局部放电检测，减轻了检修人员的工作强度，同时可以增加检测的频度，更好的发现早期潜伏性故障。
44.进一步，金属壳和屏蔽环的特高频检测单元，保证了特高频检测的精度，通过机械手的控制进行操作，以实现良好的检测。通过电磁屏蔽能够检测到更多人难以到达的位置，保证了检测的安全性。
45.进一步，上位机与机器人通过远程控制系统进行远程通讯，通过远程控制，可以实现多方位实时的检测。
附图说明
46.图1为本发明的一种用于变电站gis局部放电检测的智能巡检系统检测原理示意图；
47.图2为本发明的一种用于变电站gis局部放电检测的智能巡检系统的硬件结构示意图；
48.图3为本发明特高频检测单元结构示意图；
49.图4为本发明超声波检测单元结构示意图；
50.图5为本发明远程控制原理图；
51.图6为本发明工作流程示意图；
52.1为金属屏蔽环，2为检测窗口，3为金属片，4为金属壳体，5为同轴连接器，6为伞状外壳，7为固定架，8为升降装置，9为信号采集处理系统，10为转动轴，11为通讯接口。
具体实施方式
53.为了使本发明的目的、技术方案及优点更加清楚明了，以下结合附图及实施例进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅为本发明一部分实施例，而不是全部实施例。
54.本发明附图及实施例描述和示出的组件可以以各种不同的配置来布置和设计，因此，以下附图中提供的本发明实施例的详细描述并非旨在限制要求保护的本发明的范围，而仅仅是表示本发明选定的一种实施例。基于本发明的附图及实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护范围。
55.需要说明的是：术语“包含”、“包括”或者其他任何其他变体意在涵盖非排他性的包含，使得包括一系列要素的过程、元素、方法、物品或者设备不仅仅只包括那些要素，还包括没有明确列出的其他要素，或者是还包括该其过程、元素、方法、物品或者设备所固有的要素。
56.以下结合实施例对本发明的特征和性能进一步详细说明。
57.如图1-2所示，本发明公开了一种用于变电站gis局部放电检测的智能巡检系统，包括上位机和机器人，上位机与机器人远程通讯，用于控制机器人工作；如图2所示，机器人包括可移动车体，及设置在可移动车体上的主机、特高频检测单元、超声波检测单元和寻迹单元；特高频检测单元、超声波检测单元和寻迹单元均与主机连接；寻迹单元包括多个视觉传感器；
58.主机内设有深度卷积神经网络模块、路径规划模块、d-s融合模块、绝缘状态评估模块、故障类型判断模块、多传感器数据融合模块、定位模块及通讯模块；
59.深度卷积神经网络模块与视觉传感器连接，用于将视觉传感器采集的图像数据进行处理，得到处理后的图像信号；
60.路径规划模块，用于根据处理后的图像信号进行路径规划，进行巡检；
61.特高频检测单元，用于检测局部放电特高频信号，经过信号处理后得到特高频φ-q-n三维谱图；超声波检测单元，用于检测超声波信号，经过信号处理得到时频信号图；
62.深度卷积神经网络模块与特高频检测单元和超声波检测单元连接，用于对特高频φ-q-n三维谱图和时频信号图进行模式识别及归一化处理；
63.d-s融合模块，用于对归一化处理后的数据进行融合，得到融合结果；
64.故障类型诊断模块，用于根据融合结果与标准阈值进行比较，判断是否由局部放电发生，若有，则多传感器数据融合模块对特高频信号和超声波信号进行融合定位，判断出放电源所在位置；
65.定位模块，用于实时定位确定当前检测位置，当检测到局部放电时，记录位置信息。
66.主机由显示器、储存卡和高性能cpu组成，用以完成对于整个设备的控制、分析和显示，从而实现局部放电的检测、绝缘等级识别、故障类型识别、故障源的定位。采集设备和主机通过485进行通讯，数据进行传输，并通过通讯模块将处理过的信息传递到大数据saprk平台，以实现数据的实时显示。
67.该机器人由储能蓄电池进行供电，通过特殊的超声波和特高频传感器进行局部放电检测，采用非侵入式的检测方法。多视图卷积神经网络的应用，在有效的避免了人工特征提取工程的浩大任务量的同时，大大缩减了处理时间，从而能够实时进行分析决策。
68.特高频检测单元用来采集特高频信号，通过机械手控制其特高频传感检测装置。特高频检测单元的结构如图3所示，包括金属屏蔽环1、圆形的金属片3、金属壳体4、同轴连接器5。检测窗口2的表面设有金属屏蔽环1，金属壳体4为一端开口一端封闭的杯状，金属壳体4的横截面为圆形，金属壳体4内部腔体的几何尺寸构成一个圆柱形波导谐振器。金属壳体4与金属屏蔽环1接触的一端为开口端，其开口端的周缘与金属屏蔽环1的表面共形。与开口端相对的封闭端设置有一个同轴连接器5。在金属壳体的内部设有一个圆形的金属片3，圆形的金属片3通过探针与同轴连接器5的内导体相连。在金属壳体4上设置有小孔使得探针能够穿透金属壳体4的封闭端。如图3所示，在安装时，金属壳体4与检测窗口1的几何中心对准。局部放电信号通过检测窗口1耦合到圆形的金属片3。
69.超声波检测单元的结构如图4所示，包括伞状外壳6、固定架7、升降装置8、转动轴10以及通讯接口11。超声波采集设备的采集主体设置在伞状外壳6中，伞状外壳6通过转动轴10连接固定架7，转动轴10由电机驱动进行360
°
旋转，升降装置8由电机控制实现1米范围内的升降，伞状外壳6上还设置有信号采集处理系统，信号采集处理系统包括接收电路、采集电路、滤波电路和信号处理电路；所述接收电路包括前端接收电路、增益可调放大电路；所述采集电路包括超声波采集电路、有效值转换电路；所述信号处理电路包括信号时频分析处理电路和a/d转换电路；
70.经过超声波探头采集到的超声波信号首先通过滤波电路进行物理滤波，然后通过信号处理电路进行高斯平滑滤波，从而消除环境噪声的干扰。
71.超声波检测单元主要用来采集超声波信号，其超声波探头和伞状外壳通过电动机控制可以实现360度旋转，并可以根据测试要求进行1米范围内的升降，实现全方位检测。
72.特高频检测单元的检测传感器为欧几里德螺旋天线，并封装在检测窗内，由于特高频信号检测范围为0.3-3ghz，其本身就具有良好的降除环境噪声的能力，因此不需要滤波处理便可直接传入主机。但是对于超声波信号由于超声波探头对环境噪声敏感，因此在通过超声波探头采集到的超声波信号进行低通滤波，并通过信号处理器进行高斯平滑滤波，然后传送给主机。检测过程中，6自由度机械手臂实现特高频检测传感器的安装和拆卸。
73.在检测窗口内封装有信号处理模块，信号处理模块与检测传感器相连，信号处理模块包括信号的三维局部放电相位(prpd)处理电路和a/d转换电路。
74.寻迹单元包括12个视觉传感器16，采集到的图像数据实时传递给中央处理器即主机，然后主机通过现有的轻量级深度卷积神经网络进行处理，并通过bounding box预测进行路径规划，从而实现机器人的自动行驶。
75.远程控制系统如图5所示，包括上位机、智能控制系统、无线数据采集器(dtu)、服务器、监控中心，智能控制器负责控制上位机的信息传输和处理；无线数据采集器负责采集
汇总数据；服务器和监控中心负责保证数据传输的安全。用软件模拟控制器面板，管理人员与软件的交互数据，通过控制器数据接口传递到控制器，从而控制机器人的启动、关机、以及对gis局部放电的具体巡查。
76.主机由可触摸的液晶显示屏12，充电接口和总线接口、以及车体14内部的高性能cpu和大容量存储器组成，主机的显示屏封装在车体14上。高性能cpu实现信号的分析、处理以及故障诊断、故障源定位和绝缘等级划分，最终通过终端通讯传递给saprk大数据平台，以供进一步的分析和对检修过程的实时显示。
77.该基于超声波和特高频的便携式局部放电检测仪的具体操作流程如图6所示，具体步骤如下：
78.第一步：操作人员通多远程控制终端即上位机发出控制信号，控制机器人开机，并制定机器人的检修目标，检修对象。信息通过远程控制端传递给机器人cpu，机器人开始工作。
79.第二步：机器人通过视觉传感器，采集到的图像数据实时传递给中央处理器即主机，然后主机通过深度卷积神经网络进行处理，并通过bounding box预测进行路径规划，进行巡检。
80.第三步：检测局部放电特高频和超声波信号，并对传入局部放电诊断框架的局放信号进行处理。超声波信号经过低通滤波和高斯平滑滤波，得到时频信号图；针对于特高频信号通过相位局部放电分析处理得到特高频φ-q-n三维谱图。
81.第四步：对于上述得到的时频信号图和特高频φ-q-n三维谱图进行模式识别，将两个信号分别应用于提前训练好的多视图卷积神经网络进行模式识别，将识别结果进行归一化处理后通过d-s理论进行融合，融合决策结果与专家设备得到的阈值进行比较从而判断电力设备此时的绝缘状态等级，并根据等级进行相应的设备维护。同时根据融合决策结果判断此时是否有局部放电发生，如果有，判断其放电类型。
82.第五步：如果有局部放电发生，则启动故障源定位程序，通过多传感器融合技术对之前传入的超声波和特高频信号进行融合定位，从而判断出放电源所在的位置，指导检修人员进行停电检修。
83.第六步：主机内置有gps模块，地图模块包括地图api接口，通过gps实时定位确定当前检测位置，当检测到局部放电时时，记录位置信息。
84.第七步：机器人通过寻迹单元继续寻迹，并按远程系统最原始的给定巡检信息继续巡检，重复第三到第八步。
85.第八步：直到本次巡检完毕，机器人向远程终端发送请求，由操控人员决定继续重复巡检还是选择关机。
86.在主机设备包含4g模块，可以将第七步得到的当前放电点的信息同步传给基于云端saprk的大数据平台，利用基于spark内存的高速执行引擎利用spark streaming的实时计算框架丰富的接口和api来实时分析处理监测点数据流，形成监测放电点大数据的用户画像并进行实时可视化的展示设备，当发现劣化程度过高，实时提醒工作人员及时维修电力设备。
87.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然
可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。