采用神经网络的局部放电信号处理方法及装置的制造方法
【技术领域】
[0001]本发明涉及局部放电信号处理方法及装置。局部放电处理尤其被用于分析电气部件和系统中的局部放电，电气部件和系统诸如:中压或高压电缆、电缆接头、架空线绝缘体、中压和高压配电箱、利用GIS(气体绝缘开关设备)的高压和超高压电缆。
【背景技术】
[0002]术语“局部放电”意在指示在各种类型缺陷存在的情况下，电子部件的介电(绝缘)材料中发生的电荷的不期望重组，最终导致介电破坏。在这里，脉冲电流在介电材料的部分中生成并使电磁波传播通过相关电力系统的电源或接地电缆，并且辐射通过各种周围介质(介电材料、金属、空气等)。
[0003]当执行局部放电测量时，大量脉冲信号被采集并处理。现代仪器允许以非常高的采样频率数字化脉冲信号，使得整个脉冲波形可以被采集和处理。在测量过程中执行的操作是根据预定的判别标准对具体脉冲的选择。作为例子，可能的判别标准是:放电信号采集、放电信号噪声滤波、放电信号分类。
[0004]放电信号采集涉及对检测到的波形当中仅(具有高于指定阈值的电平的)一些波形的选择。放电信号噪声滤波涉及对实际局部放电脉冲的选择以及拒绝噪声。放电信号分类涉及根据脉冲的具体特性选择脉冲并且将最相似的分组到不同的类中。
[0005]放电信号采集可以基于由模拟电路实现的频率滤波和电平阈值。而放电信号噪声滤波和分类是由通常基于波形特征提取的选择方法执行的。这些算法通常通过从每个脉冲波形提取一小组的参数(特征)并将它们与具体阈值进行比较来工作，如此试图估计每个脉冲是否落入具体的类中。这些算法的有效性关键依赖于所选的具体特征组。
[0006]采用神经网络的选择方法是已知的。文献JP02-296162描述了用于分离和检测外部噪声与局部放电信号的方法。根据这种方法，电缆的屏蔽层被切割，如此获得两个相对的切割端。在一个切割端处生成的脉冲形电压波形借由神经网络与在另一个切割端处生成的另一脉冲形电压进行比较。两个脉冲形电压波形都在神经网络的输入层处被输入。这种比较允许区分局部放电信号(对于这种信号，在两个切割端处生成相似的脉冲)与噪声信号。
[0007]文献JP02-296161公开了用于通过使神经网络学习由局部放电形成的不同波形来检测局部放电位置的方法。局部放电在其中生成的电气单元是基于学习的结果和新生成的局部放电的波来检测的。
[0008]文献JP08-338856说明了用于决定局部放电是否存在的方法。该方法包括步骤:教导神经网络；从电力电缆的指定点检测局部放电和噪声信号多次；将检测到的信号馈送到神经网络并且确定评估值；对多个评估值求平均并且与阈值进行比较。
【发明内容】
[0009]本发明解决的技术问题是提供能够基于判别标准(诸如采集、噪声滤波、脉冲分类)分析局部放电信号从而在不同环境中在不同电气装置上可用的处理方法的问题。
[0010]本申请人发现，用于采用神经网络处理输入信号的方法适于检测不同电气装置上和不同环境中的有害的局部放电，其中神经网络利用根据选定的判别标准定义的参照脉冲波形被训练并且被配置为产生选择性地假定第一个值和第二个值的相似性指标，第一个值和第二个值代表输入脉冲波形与参照脉冲波形的相似性/不相似性。
[0011]根据第一方面，本发明涉及局部放电信号处理方法，该方法包括:
[0012]设置以下当中的第一判别标准:局部放电的采集、噪声滤波、分类；
[0013]提供与检测到的局部放电波形信号关联的多个脉冲波形；
[0014]根据第一标准定义第一参照脉冲波形；
[0015]基于所述第一参照脉冲波形来执行神经网络模块的第一训练，以产生选择性地假定第一个值和第二个值的相似性指标，第一个值和第二个值分别代表输入脉冲波形与第一参照脉冲波形的相似性/不相似性；
[0016]借由神经网络模块比较所述多个脉冲波形与第一参照脉冲波形，以获得第一相似性指标结果；
[0017]基于所获得的第一相似性指标结果并且基于第一判别标准，记忆/拒绝每个经比较的脉冲波形。
[0018]有利地，该处理方法还包括:
[0019]设置与第一标准不同的第二判别标准；
[0020]根据第二标准选择第二参照脉冲波形；
[0021]执行所述神经网络模块的第二训练，以产生选择性地假定第一个值和第二个值的相似性指标，第一个值和第二个值分别代表另一输入脉冲波形与第二参照脉冲波形的相似性/不相似性；
[0022]借由神经网络模块比较所述多个脉冲波形的至少部分与第二参照脉冲波形，以获得第二相似性指标结果；
[0023]基于所获得的第二相似性指标结果并且基于第二判别标准，记忆/拒绝每个经比较的脉冲波形。
[0024]有利地，神经网络模块被配置为实现一分组中所包括的激活函数，该分组包括:非线性函数、梯状函数、Sigmoid函数、身份函数、Tangtoid函数、阶跃函数、符号函数、分段线性函数。
[0025]优选地，神经网络模块包括:
[0026]多个输入端口，每个输入端口被配置为接收与所述多个脉冲波形中的脉冲关联的数字样本；
[0027]具有关联的多个权重的至少一个神经节点，及
[0028]输出端口，被配置为提供相似性指标并连接到作为输出神经节点的神经节点。
[0029]“神经节点”意在指神经网络的处理元件、人工神经元。
[0030]有利地，所述神经网络模块具有多层感知器的结构并且包括具有多个隐藏神经节点的隐藏层，所述多个隐藏神经节点具有连接到多个输入端口的输入。
[0031]“多层感知器”意在指在有向图中包括多层神经节点的前馈人工神经网络，其中每一层完全连接到下一层。特别地，如果隐藏层被采用，则所述神经网络模块包括具有连接到输出神经节点的输出的单个隐藏层。
[0032]优选地，第一判别标准是以下之一:放电信号噪声滤波、放电信号分类。
[0033]优选地，神经网络模块包括单个隐藏层并且是软件模块。
[0034]另选地，神经网络模块具有感知器的结构并且包括连接在输入和输出端口之间的单个神经节点。“感知器”意在指包括单个神经节点的神经网络。特别地，所述感知器被用来实现所述放电信号采集标准。有利地，所述神经网络模块是硬件模块。
[0035]优选地，当执行第二训练时，所述第一和第二判别标准是放电信号噪声滤波和放电信号分类。
[0036]有利地，执行第一训练包括:通过向神经网络模块提供反例来计算所述多个权重的多个权重值，对于这些反例，请求代表不相似性结果的所述第二个值。
[0037]优选地，借由神经网络模块进行比较包括:
[0038]定义多个样本分组，每个样本分组代表所述多个脉冲波形的脉冲波形；
[0039]将每个样本分组提供给多个输入端口 ；
[0040]为每个样本分组获得相似性指标值。
[0041]有利地，在将每个样本分组提供给多个输入端口之前，该方法还包括:
[0042]执行波形规格化，其中样本分组的每个样本除以波形绝对最大值；
[0043]执行峰值对准，使得每个样本分组的每个峰值样本被提供给多个输入端口中的选定的输入端口。
[0044]特别地，定义第一参照脉冲波形包括:根据第一标准合成第一参照脉冲波形。
[0045]另选地，定义第一参照脉冲波形包括:从所述多个脉冲波形中选择第一参照脉冲波形。
[0046]有利地，该处理还包括:
[0047]检测与电气部件的局部放电关联的所述局部放电波形信号；
[0048]检测由与电气对象的操作关联的交流电电压生成的同步电磁信号；
[0049]将所述局部放电波形信号同步到所述同步电磁信号。
[0050]根据第二方面，本发明涉及局部放电信号处理系统，包括:
[0051]检测设备，被结构化为检测与检测到的局部放电波形信号关联的多个脉冲波形；
[0052]处理模块，连接到检测设备并且包括:
[0053]神经网络模块，包括:
[0054]输入模块，用于接收所述多个脉冲波形的输入脉冲波形；
[0055]比较模块，连接到输入模块并且被结构化为比较参照脉冲波形与输入脉冲波形；及
[0056]输出端口，连接到比较模块并且被结构化为提供选择性地假定输入脉冲波形与参照脉冲波形的相似性/不相似性的第一个值或第二个值的相似性指标(SI)，所述第一个值或第二个值分别代表检测到的脉冲波形的性质，
[0057]其中所述处理模块包括:
[0058]设置模块，被结构化为设置选自以下之中的判别标准:放电信号采集、放电信号噪声滤波、放电信号分类；及
[0059]参照选择模块