一种基于长短时记忆网络的互感器介损检测方法与流程

本发明属于互感器介质损耗检测，具体涉及一种基于长短时记忆网络的互感器介损检测方法。

背景技术：

1、互感变压器又叫互感器，其介质损耗一般通过绝缘敏感参数来表征，去极化电流预测可以用来估计关键的绝缘敏感参数，如去极化电荷分布。通过对去极化电流数据的分析，可以提取互感变压器opi运行状况的年份敏感参数的关键信息。

2、目前通过静电计设备测量介电响应获得极化-去极化电流数据是主要检测技术之一，该去极化电流检测技术的主要缺点是测量时间长，这提高了数据被噪声和去衰减电荷污染的可能性。估计完整的去极化电荷分布需要10000秒的极化电流数据和在相同持续时间内测量的去极化电流数据。这种延长的数据测量持续时间给通过计算绝缘敏感参数以及时消除故障带来了不便。因此，为了快速预测去极化电流，更不受环境因素和噪声影响的互感器介损检测技术亟待研究。

技术实现思路

1、本发明的目的在于解决上述现有技术中存在的难题，提供一种基于长短时记忆网络的互感器介损检测方法。

2、本发明是通过以下技术方案实现的：一种基于长短时记忆网络的互感器介损检测方法，包括如下步骤：

3、采集互感器的pdc数据，所述pdc数据包括极化-去极化电流数据；

4、根据所述pdc数据提取mtvp特征，所述mtvp特征包括以下时变参数：能量耗散时变电阻与储能时变电容；

5、根据所述mtvp特征构建样本集，每个样本由极化电流的时间序列与去极化电流构成，采用所述样本集训练lstm神经网络；

6、将极化电流时间序列输入训练完成的lstm神经网络，预测下一时刻的去极化电流。

7、进一步的，通过静电计装置测量介质响应以采集互感器的pdc数据。

8、进一步的，对pdc数据增强后再提取mtvp特征，通过修正极化电流进行增加。

9、进一步的，修正后的极化电流表达式为：

10、

11、式中，ip为修正后的极化电流，m和n均为衰减常数，t0为测量初始时间，t为时间，σ0为直流电导率，ε0为介电常数，cmes为测量的电容，εr为电介质的相对介电常数，u0为直流电压，a为极化电流的幅值。

12、进一步的，提取mtvp特征的步骤包括：构造极化电流的窗函数ip(t)，根据极化电流的窗函数ip(t)构造mtvp特征，极化电流的窗函数ip(t)：

13、

14、式中，τ和aω为窗函数的衰减常数和振幅。

15、进一步的，mtvp特征中能量耗散时变电阻如下：

16、

17、储能时变电容如下：

18、

19、式中，v(t)为mtvp电压，通过测互感变压器两端电压差得到，ipol(t)为测量极化电流(未经修正的极化电流)。

20、进一步的，根据归一化后的mtvp特征构造样本集。

21、进一步的，采用如下公式进行归一化：

22、

23、式中，normfeatures表示归一化后的特征数据，n、xi分别是数据点总数、总体均值和第i个位置的数据值。

24、与现有技术相比，本发明的有益效果包括：

25、1、本发明利用极化数据预测去极化电流的互感器介损检测技术。与易于预测的极化电流不同，去极化电流受充电持续时间和去极化电流的影响。本发明互受环境噪声因素影响较少，减少测量时间和测量数据集的体积可以确保测量的数据受噪声的影响变小，可作为一种极其精确的去极化电流的互感器介损检测方法。

26、2、本发明具有最少的可训练参数总数，而越多的测量时间和测量数据集体积可能收集到的噪声数据越多，造成噪声干扰变大。本发明减少测量数据集的体积保证了测量数据受噪声的影响较小。本发明的测量时间由窗函数的预测时间决定，窗函数可根据需要变化。

技术特征：

1.一种基于长短时记忆网络的互感器介损检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于长短时记忆网络的互感器介损检测方法，其特征在于，通过静电计装置测量介质响应以采集互感器的pdc数据。

3.根据权利要求1所述的基于长短时记忆网络的互感器介损检测方法，其特征在于，对pdc数据增强后再提取mtvp特征，通过修正极化电流进行增加。

4.根据权利要求1所述的基于长短时记忆网络的互感器介损检测方法，其特征在于，修正后的极化电流表达式为：

5.根据权利要求1或4所述的基于长短时记忆网络的互感器介损检测方法，其特征在于，提取mtvp特征的步骤包括：构造极化电流的窗函数ip(t)，根据极化电流的窗函数ip(t)构造mtvp特征，极化电流的窗函数ip(t)：

6.根据权利要求5所述的基于长短时记忆网络的互感器介损检测方法，其特征在于：mtvp特征中能量耗散时变电阻如下：

7.根据权利要求5所述的基于长短时记忆网络的互感器介损检测方法，其特征在于：根据归一化后的mtvp特征构造样本集。

8.根据权利要求5所述的基于长短时记忆网络的互感器介损检测方法，其特征在于：采用如下公式进行归一化：

技术总结
本发明属于本发明属于互感器介质损耗检测技术领域，具体涉及一种基于长短时记忆网络的互感器介损检测方法，采集互感器的PDC数据，所述PDC数据包括极化‑去极化电流数据；根据所述PDC数据提取MTVP特征，所述MTVP特征包括以下时变参数：能量耗散时变电阻与储能时变电容；根据所述MTVP特征构建样本集，每个样本由极化电流的时间序列与去极化电流构成，采用所述样本集训练LSTM神经网络；将极化电流时间序列输入训练完成的LSTM神经网络，预测下一时刻的去极化电流。本发明能够减少测量时间和测量数据集的体积，测量的数据受噪声的影响变小。

技术研发人员：王红斌,张敏,方健,黄青丹,林翔,田妍,周凤翔
受保护的技术使用者：广东电网有限责任公司广州供电局
技术研发日：
技术公布日：2024/3/17