[发明专利]一种局部放电定位误差修正方法和系统

权利要求书

1.一种局部放电定位误差修正方法，其特征在于，包括：

将GIS结构划分对多个等间距区域，并提取区域采样点；

采集采样点的局部放电信号，计算局部放电源信号的测量时延值；

根据采样点的空间位置，计算局部放电源信号的理论时延值；

建立采样点局部放电源信号的测量时延值和理论时延值的误差优化神经网络模型；

对误差优化神经网络模型进行训练，并采用粒子群算法对误差优化神经网络模型的参数进行优化，得到训练好的误差优化神经网络模型；

采集GIS结构任意位置的局部放电源信号，计算测量时延值，将测量时延值输入到训练好的误差优化神经网络模型，得到修正后的时延值；

根据修正后的时延值修正局部放电源的定位误差。

2.根据权利要求1所述的局部放电定位误差修正方法，其特征在于，将GIS结构划分对多个等间距区域，并提取区域采样点，包括：

将GIS结构划分对多个等间距区域，在每个区域均匀地提取多个采样点。

3.根据权利要求2所述的局部放电定位误差修正方法，其特征在于，采集采样点的局部放电信号，计算局部放电源信号的测量时延值，包括：

通过示波器采集采样点的局部放电信号，计算局部放电源信号的测量时延值。

4.根据权利要求3所述的局部放电定位误差修正方法，其特征在于，局部放电源信号的理论时延值的计算公式为：

其中，(x_i,y_i,z_i)为传感器i的坐标，(x_k,y_k,z_k)为传感器k的坐标，τ_ik为传感器i和传感器k接收到局部放电特高频信号的时间差，(x,y,z)为局部放电源的坐标，υ为特高频信号在介质中的传播速度。

5.根据权利要求4所述的局部放电定位误差修正方法，其特征在于，建立采样点局部放电源信号的测量时延值和理论时延值的误差优化神经网络模型，包括：

对测量时延值和理论时延值归一化，将测量时延值作为输入，理论时延值作为输出，构建误差优化神经网络模型。

6.根据权利要求5所述的局部放电定位误差修正方法，其特征在于，对误差优化神经网络模型进行训练，并采用粒子群算法对误差优化神经网络模型的参数进行优化，得到训练好的误差优化神经网络模型，包括：

设置误差优化神经网络模型的隐含层层数和节点数的取值范围和初始值；

采用粒子群算法对误差优化神经网络模型进行优化，得到当前隐含层层数和节点数神经网络结构下的最优权值和阈值；

在当前神经网络结构下对输入的数据进行训练和测试，得到测试结果并保存；

在取值范围内更改隐含层层数和节点数，若不满足结束条件，则返回采用粒子群算法对误差优化神经网络模型进行优化的步骤，直至满足结束条件；

从保存的测试结果中选择预测精度最高的误差优化神经网络模型，作为训练好的误差优化神经网络模型。

7.根据权利要求6所述的局部放电定位误差修正方法，其特征在于，隐含层层数和节点数的取值范围根据预置经验公式确定，预置经验公式为：

其中，L为隐含层层数和节点数，m和n分别为输入层和输出层的节点数，a为0～10的正数。

8.根据权利要求7所述的局部放电定位误差修正方法，其特征在于，采用粒子群算法对误差优化神经网络模型进行优化的适应度函数为：

其中，y_j为局部放电源的理论时延值，y'_j为神经网络的输出值。