1.一种基于小波分析的气体分解物评估方法,其特征在于,具体按照以下步骤实施:
步骤1、采集不同时刻的传感器检测得到的电力设备中的气体分解物的浓度信号并识别不同气体分解物,按照气体种类存储到数据库;
步骤2、利用小波包分析提取特征向量;
步骤3、将特征向量进行归一化得到归一化特征向量;
步骤4、利用bp神经网络进行状态评估及故障诊断。
2.根据权利要求1所述的一种基于小波分析的气体分解物评估方法,其特征在于,所述步骤1中传感器为亚微米级薄膜传感器。
3.根据权利要求1所述的一种基于小波分析的气体分解物评估方法,其特征在于,所述步骤1需要识别的气体为sf6替代气体与含氟原子的分解产物以及包括co2、干燥空气、o2在内的背景气体的混合物,分别对不同气体分解物在不同时刻的传感器响应信号f(t)进行离散小波分解,获得小波系数wf(m,n),表示如下:
wf(m,n)=<f(t),ψm,n(t)>
其中,ψm,n(t)为小波基函数,m为小波分解层数,n即步骤1中气体分解物浓度信号的样本数目,而后根据不同气体种类对浓度变化不敏感的小波系数不同,有效区分不同气体分解物对应的气体种类。
4.根据权利要求3所述的一种基于小波分析的气体分解物评估方法,其特征在于,所述步骤2具体如下:
选取步骤1中识别出的气体种类的浓度信号进行小波包分解,分别提取第n层从低频到高频2n个频带成份的信号特征,提取各频带范围的信号,求各频带信号的总能量enj,表示如下:
其中,snj为第n层从低频到高频2n个频带成份的系数构成的信号特征,xjk表示分解信号序列snj第k个离散点系数,n为小波包分解层数,m为分解信号序列snj的离散点的个数,
由于各频带内信号的能量不同,因此以能量为元素构造特征向量t,特征向量t表示为:
其中,
5.根据权利要求4所述的一种基于小波分析的气体分解物评估方法,其特征在于,所述步骤3具体如下:由于各频段能量差异较大,将特征向量t做归一化处理得到归一化特征向量t′,表示为:
其中,
6.根据权利要求5所述的一种基于小波分析的气体分解物评估方法,其特征在于,所述步骤4具体如下:将归一化特征向量t′作为神经网络输入,构造bp神经网络,利用归一化特征向量t′和行业内规定的电力运行状态和故障标准形成的训练样本集对构建的bp神经网络进行训练和网络自学习,使bp神经网络与行业内规定的电力运行状态和故障标准之间形成对应关系,进而评估出该气体分解物条件下对应的电力设备运行状态和故障。
7.根据权利要求6所述的一种基于小波分析的气体分解物评估方法,其特征在于,所述步骤4中行业内规定的电力运行状态和故障标准如下:
状态一:电寿命是指在规定的接通和分断条件下,电器不需修理和不更换任何零部件所能承受的有载操作次数;
状态二:绝缘寿命即绝缘材料的使用寿命;
故障一:放电故障是由电应力作用而造成绝缘裂化;
故障二:过热故障是指空载损耗、负载损耗和杂散损耗转化为热量,当发热量大于预期值,散热量小于预期值时,发生过热现象。