[发明专利]基于卷积神经网络的局部放电缺陷类型的识别方法及系统

说明书

本发明提供了一种基于卷积神经网络的局部放电缺陷类型的识别方法及系统。本发明识别方法的步骤包括：A、采集局部放电缺陷类型已知的局部放电信号；B、建立局部放电信息库，其包括若干缺陷类型的局部放电波形信号和相应的缺陷类型；C、搭建用于模式识别的卷积神经网络；D、将局部放电信息库中的波形和相应缺陷类型作为输入量，训练卷积神经网络；E、采集待定缺陷类型的多次局部放电信号；F、将待定缺陷类型的局部放电波形数据输入训练好的卷积神经网络，输出中占比最大的缺陷类型作为最终的缺陷类型。本发明避免了传统识别算法中复杂的特征提取和数据重建过程，能更准确地识别缺陷类型，且易于实现。

技术领域

本发明涉及变压器领域，具体地说是一种基于卷积神经网络的变压器局部放电缺陷类型的识别方法及系统。

背景技术

在高压变压器日益小型化的情况下，其内部绝缘空间愈发紧凑，绝缘材料往往承受着很高的工作场强。而变压器从原材料选择、生产装配，到运输安装等各环节都有可能出现意料之外的问题，从而使变压器内部产生一些隐式的缺陷，比如毛刺尖端、绝缘沿面的损伤，内装部件的松动甚至掉落。另外，在变压器的运行过程中，在电、热、机械以及其它环境的综合作用下其油纸绝缘和固体绝缘会逐渐老化、劣化，使得绝缘系统的机械强度和绝缘性能逐渐下降。当运行时间不断增加，变压器的绝缘缺陷会发展严重，在大电流过电压等诱因下就会引发绝缘的闪络或者击穿。

局部放电是变压器绝缘产生贯穿性局部放电故障前所产生的局部范围内发生的放电现象，是变压器绝缘故障早期的主要表现形式，是表征绝缘状况的重要特征量；其特点是只产生局部的缺陷，不会造成整体绝缘的破坏，但长时间作用下，其热、电、光、机械作用会扩大局部缺陷、造成整体绝缘恶化甚至击穿。因此，局部放电识别是判断变压器绝缘状况的有效且重要的手段，高效快捷地检测识别出变压器的局部放电并做出设备的状态评估，已成为相关科研工作者十分关注的问题。

目前，对局部放电识别的工程应用更多地集中在基于相位分辨的统计识别方法，其基于局部放电的脉冲信号在外施工频电压下的相位分布，利用统计学的方法找出其分布规律，人工找出可以用于识别的数学特征。该方法存在不确定性较高、受干扰的影响较大、提取的数学特征物理意义不明确等问题。虽然针对局部放电缺陷类型识别相关学者做了大量的工作，也在实际应用中避免了很多故障的发生，但是由于局部放电的复杂性，关于局部放电准确识别仍然是目前电力设备亟需解决却具有很大挑战的难题。

总之，为了提高识别准确度且易于实现，需要提出一种新的方法识别局部放电的缺陷类型。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于卷积神经网络的变压器局部放电缺陷类型的识别方法，其对局部放电的缺陷类型给出更为准确和可靠的识别结果。

为达到上述目的，本发明采用以下技术方案：基于卷积神经网络的局部放电缺陷类型的识别方法，其包括如下步骤：

A、采集局部放电缺陷类型已知的局部放电信号；

B、根据步骤A建立局部放电信息库，其包括若干缺陷类型的局部放电波形信号和相应的缺陷类型；

C、搭建用于模式识别的卷积神经网络；

D、将局部放电信息库中的波形和相应缺陷类型作为输入量，训练卷积神经网络；

E、采集待定缺陷类型的多次局部放电信号；

F、将待定缺陷类型的波形数据输入训练好的卷积神经网络，输出中占比最大的缺陷类型作为最终的缺陷类型。

本发明所述的变压器局部放电缺陷类型的识别方法，其缺陷类型包括但不限于尖端、气隙、沿面、悬浮和微粒缺陷；其局部放电信号包括但不限于特高频信号、脉冲电流信号、高频电流信号和超声波信号。

作为上述技术方案的补充，所述局部放电信号的特征为传感器采集到的波形信号。