环氧树脂电流互感器绝缘缺陷识别方法、设备及存储介质与流程

1.本发明涉及电流互感器缺陷识别技术领域，尤其是涉及一种环氧树脂电流互感器绝缘缺陷识别方法、设备及存储介质。


背景技术：

2.开关柜是在电力系统进行发电、输电、配电和电能转换的过程中，进行开合、控制和保护用电设备的电气设备。电流互感器是电力系统中用于获取电流信号的重要设备。环氧树脂被广泛用作高压电器开关、防爆电器、电流互感器、电压互感器以及大型电机的关键绝缘材料。环氧绝缘电流互感器是开关柜的核心设备之一，随着开关柜使用数量的不断增加，环氧绝缘电流互感器的数量也随之提高。
3.从运行经验及数据来看，由电流互感器劣化导致的绝缘击穿故障，在开关柜故障总占比很高。近年来，环氧浇注工艺以及局放检测技术等不断提高，因浇注造成的绝缘缺陷较少发生，同时，因运行环境、环氧绝缘表面老化等原因造成的互感器失效发生率不断增加。
4.绝缘劣化的主要原因是运行中开关柜内绝缘介质劣化引起的局部放电。由于环氧树脂电流互感器的运行环境存在潮湿、凝露等恶劣的情况，不可避免地存在水汽、盐分、酸度等因素，在其一直承受的电场、温度和机械力等因素的综合作用下，容易产生金属尖端、金属微粒、表面污秽、内部绝缘部分出现气泡、导电连接部分接触不良等现象。在缺陷处电场强度会产生畸变，若电场强度达到空气临界放电场强，则会引发局部放电，放电产生的瞬时能量会导致环氧树脂材料表面发生碳化和腐蚀，进而逐步劣化绝缘性能，可能导致绝缘失效，引起电流互感器的沿面闪络或击穿，可能引发较为严重的事故。环氧绝缘设备数量巨大，现阶段，在运行中如果发现绝缘缺陷或放电故障，一般采用直接更换的方式，检修费用支出巨大。此外，电力设备内部任何缺陷和故障的存在都可能影响设备整体性能，严重的可能导致所辖局部地区乃至全部地区的停电，造成重大经济损失和恶劣社会影响。不同缺陷的放电形式各不相同，呈现出来的局部放电特征也对应地存在差异。局部放电检测是设备状态评估方面的重要检测内容，通过局部放电信号可识别不同类型的放电缺陷。若能够在设备运行时就能准确检测到并识别缺陷类型，就有助于进一步明确故障的具体形式与位置并采取相关措施，避免故障的进一步扩大。
5.特高频检测法(ultra high frequency,uhf)有较宽的检测频带，检测灵敏度也比较高，常用于检测开关柜绝缘缺陷放电。但是局部放电特征量较多，如何选取合适的特征量并选取一种能够准确高效地做出客观的缺陷类型识别和诊断的方式是难点所在。
6.放电特征量方面，局部放电特征量的选取会影响算法的识别准确率，选取一定数量的合适的特征量有助于提高识别准确率并大大减小后续任务量；若选取的特征量过多，不仅增加了运算负担，还可能对缺陷类型识别产生干扰。因此，需选取能够表征缺陷特征的且对不同特征具有区分度的局部放电特征量。
7.识别算法方面，目前通常需借助如人工神经网络、朴素贝叶斯、支持向量机等机器
学习算法进行局部放电缺陷类型的识别。不同算法对于不同的放电数据的识别效果存在差异，因此需选择一种合适的机器学习算法。
8.因此，为了根据获取的特高频局部放电数据对开关柜环氧树脂电流互感器的运行中的放电缺陷类型进行识别，需研究一种特征提取和识别潜在的或现存的绝缘缺陷类型的方法，结合识别结构可以有目的地进行检修和排查，从而实现降低因设备绝缘故障而造成事故的可能。


技术实现要素：

9.本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种识别准确性高的环氧树脂电流互感器绝缘缺陷识别方法、设备及存储介质。
10.本发明的目的可以通过以下技术方案来实现：
11.根据本发明的第一方面，提供了一种环氧树脂电流互感器绝缘缺陷识别方法，该方法包括以下步骤：
12.步骤s1、采用特高频检测法获取环氧树脂电流互感器缺陷的局部放电数据，并绘制prpd图谱；
13.步骤s2、基于绘制的prpd图谱，提取局部放电统计特征；
14.步骤s3、采用朴素贝叶斯算法进行缺陷类型识别。
15.优选地，所述步骤s1中用特高频检测法获取环氧树脂电流互感器缺陷的局部放电数据，具体为：采用特高频检测法,对每种放电缺陷类型，采集k1组特高频信号，每组包含k2个工频周期的信号波形。
16.优选地，所述步骤s3中的放电缺陷类型包括金属尖端缺陷、金属微粒缺陷、悬浮电位缺陷、沿面放电缺陷和气隙放电缺陷。
17.优选地，所述步骤s1中的prpd图谱包括平均放电量-相位图谱、最大放电量-相位图谱与放电次数-相位图谱。
18.优选地，所述平均放电量-相位图谱、最大放电量-相位图谱与放电次数-相位图谱的绘制过程分别为：
19.所述平均放电量-相位图谱的绘制方法为：对于每一个波形，在0
°
～360
°
划分为k3个相位窗，每360
°
/k3的相位内的信号强度用该相位区间内的信号强度的平均值表征；随后将每组数据的所有波形的每个相位窗中的值取平均值，得到一个平均放电量-相位图谱，即每种缺陷得到k1个平均放电量-相位图谱；
20.所述最大放电量-相位图谱的绘制方法为：对于每一个波形，在0
°
～360
°
划分为k3个相位窗，每360
°
/k3的相位内的信号强度用该相位区间内的信号强度的最大值表征；随后将每一组数据的所有波形的每个相位窗中的值取最大值，就得到一个最大放点量-相位图谱，即每种缺陷得到k1个最大放电量-相位图谱；
21.所述放电次数-相位图谱的绘制方法为：对于每一个波形，在0
°
～360
°
划分为k3个相位窗，每360
°
/k3的相位内的放电次数作为该相位区间内的放电总次数；随后将每一组数据的所有波形的每个相位窗中的放电次数取平均值，得到一个放电次数-相位图谱，即每缺陷得到k1个放电次数-相位图谱。
22.优选地，所述步骤s2中的局部放电统计特征包括偏斜度、陡峭度、峰值数、不对称
度以及互相关系数。
23.优选地，所述步骤s3具体为：
24.基于有标签的训练数据，采用朴素贝叶斯算法对分类器进行训练；将提取的局部放电特征量作为训练后的分类器的输入，分类得到缺陷类型的识别结果。
25.优选地，所述步骤s3中基于有标签的训练数据，采用朴素贝叶斯算法对分类器进行训练，具体为：
26.基于朴素贝叶斯算法，通过估计每个缺陷类别yk的后验概率对观测到的样本xi对应的观测特征值{x
1i
,x
2i
,...,x
pi
}进行分类，将该样本分配给能够产生最大后验概率的类别yk。
27.优选地，所述步骤s3中估计每个缺陷类别yk的后验概率，具体求解过程为：
28.1)定义xi＝{x
1i
,x
2i
,
…
,x
pi
}为第i组待分类的数据，对应一个局部放电数据样本，x
1i
～x
pi
为数据xi的p个特征属性；其中，y＝{y1,y2,
…
,ym}对应m个类别；
29.2)计算每个类别yk内每个特征属性x
pi
的条件概率p(x
pi
|yk)；
30.3)根据贝叶斯公式，建立后验概率模型，得到样本xi属于类别yk，k＝1～m的后验概率：
[0031][0032]
式中，π(yk)是类别序号为k的先验概率。
[0033]
根据本发明的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现任一项所述的方法。
[0034]
根据本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现任一项所述的方法。
[0035]
与现有技术相比，本发明具有以下优点：
[0036]
本发明提出的方法可用于各电压等级的环氧树脂电流互感器绝缘缺陷识别，配合相关检测方法可以及时发现绝缘劣化问题并有利于及时采取相关措施，有助于降低故障发生概率、提高设备运行可靠性、延长其使用寿命，从而减少检修费用的支出，减少故障发生次数，避免绝缘劣化和闪络导致的设备及人身损伤，进而保证电网安全稳定运行。
附图说明
[0037]
图1为本发明的方法流程图。
具体实施方式
[0038]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实
施例，都应属于本发明保护的范围。
[0039]
实施例
[0040]
如图1所示，本实施例提供了一种环氧树脂电流互感器绝缘缺陷识别方法，包括以下步骤：
[0041]
步骤s1、环氧树脂电流互感器缺陷特高频局部放电数据的获取和放电图谱的绘制：本发明通过特高频传感器获取局部放电特高频信号，随后绘制3种prpd(phase resolved partial disharge)图谱：平均放电量-相位图谱、最大放电量-相位图谱与放电次数-相位图谱，prpd图谱能够较好地表征放电的统计特征，与实际放电剧烈程度和放电机理对应；
[0042]
步骤s2、放电缺陷局部放电统计特征量的提取：对于每一组数据中绘制的每一种prpd图谱，提取其统计特征参量，获取8个统计特征量作为后续识别的输入参数，该种方式提取的特征量能较好地描述缺陷的放电信号统计特征，能很好地反映同一种故障的相似性和不同故障的差异性；
[0043]
步骤s3、基于朴素贝叶斯算法的缺陷类型识别：本发明使用在模式识别领域应用较为广泛、理论基础较为坚实的朴素贝叶斯算法对缺陷类型进行识别，该方法的计算速度较快且识别准确率高。先使用有标签的训练数据使用朴素贝叶斯算法对分类器进行训练，训练完成后使用该分类器，将提取的局部放电特征量作为输入，得到的分类器的输出便是缺陷类型的识别结果。
[0044]
具体实施过程方法如下：
[0045]
步骤s1、针对开关柜内部常见的典型绝缘缺陷：金属尖端缺陷、金属微粒缺陷、悬浮电位缺陷、沿面放电缺陷和气隙放电缺陷，使用特高频检测法(ultra high frequency,uhf)检测缺陷的局部放电信号，其具有较宽的检测频带，检测灵敏度高。对于每一种放电缺陷类型，采集特高频信号200组，每一组含有100个工频周期的信号波形。针对这些波形绘制平均放电量-相位图谱、平均放电量-相位图谱和放电次数-相位图谱。
[0046]
平均放电量-相位图谱的绘制方法为：对于每一个波形，在0
°
～360
°
划分为100个相位窗，每3.6
°
的相位内的信号强度用该相位区间内的信号强度的平均值表征；随后将每一组数据的100个波形的每个相位窗中的值取平均值，就得到一个平均放电量-相位图谱，这样对于每一种缺陷得到200个平均放电量-相位图谱；
[0047]
最大放电量-相位图谱的绘制方法为：对于每一个波形，在0
°
～360
°
划分为100个相位窗，每3.6
°
的相位内的信号强度用该相位区间内的信号强度的最大值表征；随后将每一组数据的100个波形的每个相位窗中的值取最大值，就得到一个最大放点量-相位图谱，这样对于每一种缺陷得到200个最大放电量-相位图谱；
[0048]
放电次数-相位图谱的绘制方法为：对于每一个波形，在0
°
～360
°
划分为100个相位窗，统计每个3.6
°
的相位内的放电次数作为该相位区间内的放电总次数；随后将每一组数据的100个波形的每个相位窗中的放电次数取平均值，就得到一个放电次数-相位图谱，这样对于每一种缺陷得到200个放电次数-相位图谱。
[0049]
这样就得到3种prpd模式下的图谱，能够较好地表征每种缺陷的放电特征，与实际的一段时间内的放电情况对应。
[0050]
步骤s2的具体方法为：
[0051]
在对开关柜环氧树脂电流互感器进行故障的在线检测和诊断时，通常需要基于一些特征量或指标对存在哪种放电缺陷做出判断，这样能为后续的精确故障诊断和定位提供一定的参考。所以从局部放电数据中提取能够表征放电较好反映不同缺陷特征的统计特征量，是识别不同故障类型的关键所在。对于prpd图谱，常使用偏斜度s
k+
、s
k-、陡峭度k
u+
、k
u-、峰值个数peak
+
、peak-、放电因素q以及互相关系数cc这些数值型统计特征量对图谱进行描述。
[0052]
上述统计特征量的计算方式如下：
[0053]
偏斜度s
k+
、s
k-：偏斜度用于描述某种形状的分布对于正态分布形状的偏斜度，计算公式为：
[0054][0055]
式中，xi为第i个相位窗口的相位，pi、μ、σ分别是把谱图看成概率密度分布图的情况下，以相位为随机变量时相位窗口i内发生这一事件的概率、均值和标准差；n表示每半个周期内相位窗的总个数；
[0056]
陡峭度k
u+
、k
u-：陡峭度用于描述某种形状的分布对比于正态分布形状的突起程度，计算公式为：
[0057][0058]
局部峰值个数peak
+
、peak-：局部峰值个数表示图形中局部峰值的总个数，判断某一点(xi,ui)是否为局部峰值可以通过下式计算：
[0059][0060]
放电因素q:放电因素又被称为不对称度，反映了负半周和正半周局部放电总能量的比值，计算公式为：
[0061][0062]
式中，n1和n2分别表示正负半周的相位窗数；和分别表示正负半周第i个相位窗内的平均放电幅值。
[0063]
互相关系数cc表征谱图正负半轴的轮廓的差异性，计算公式为：
[0064][0065]
式中，x是电压正半周期内的一个相位窗口的平均放电量；y是电压负半周期内相应的相位窗口的平均放电量；n是每半个周期内相位窗口的数目。
[0066]
因此，对于每一组局部放电数据的每个prpd图谱，都提取上述8个统计特征。由于
共有3种prpd图谱，每组数据一共获取24个统计特征量。
[0067]
步骤s3的具体方法为：
[0068]
朴素贝叶斯模型是以贝叶斯原理为基础、采用概率统计的思想对样本数据进行分类的一种模型。朴素贝叶斯算法有坚实的理论基础，对于服从简单分布的数据样本计算速度较快，对有缺失数据或较小数据量的样本也能实现较好的分类效果，还具有内存占用较小、易于解释等优点，广泛应用于模式识别和故障诊断中。朴素贝叶斯算法的主要思想是：将事件的先验概率和后验概率联系起来，利用先验信息和样本数据确定事件的后验概率。对于待分类的给定项，在某一事件发生的条件下，哪一类别出现的概率最大，则认为该待分类项属于哪一类别，这就是朴素贝叶斯的基本依据。
[0069]
假设各样本的特征属性在给定类别的情况下是条件独立的，在这个前提下，朴素贝叶斯的算法原理和步骤如下：
[0070]
1)假设xi＝{x
1i
,x
2i
,
…
,x
pi
}为第i组待分类的数据，对应一个局部放电数据样本，x
1i
～x
pi
是这个数据xi的p个特征属性；假设有y＝{y1,y2,
…
,ym}一共m个类别；
[0071]
2)计算每个类别yk内每个特征属性x
pi
的条件概率p(x
pi
|yk)；
[0072]
3)根据贝叶斯公式
[0073][0074]
建立后验概率模型，样本xi属于类别yk(k＝1～m)的后验概率为：
[0075][0076]
进一步得到
[0077][0078]
其中，π(yk)是类别序号为k的先验概率。通过估计每个类别yk的后验概率对观测到的样本xi对应的观测特征值{x
1i
,x
2i
,...,x
pi
}进行分类，将该样本分配给能够产生最大后验概率的类别yk。
[0079]
对于已经获取的每个缺陷类型各200组样本数据，从中分别选取160组数据作为训练集，40组数据作为测试集，按照上述原理对分类器进行训练后，再对测试集中的样本数据进行测试并输出识别结果，从而实现开关柜环氧树脂电流互感器典型绝缘缺陷的放电类型识别。
[0080]
本发明提出的方法可用于各电压等级的环氧树脂电流互感器绝缘缺陷识别，配合相关检测方法可以及时发现绝缘劣化问题并有利于及时采取相关措施，有助于降低故障发生概率、提高设备运行可靠性、延长其使用寿命，从而减少检修费用的支出，减少故障发生次数，避免绝缘劣化和闪络导致的设备及人身损伤，进而保证电网安全稳定运行。
[0081]
本发明电子设备包括中央处理单元(cpu)，其可以根据存储在只读存储器(rom)中的计算机程序指令或者从存储单元加载到随机访问存储器(ram)中的计算机程序指令，来
执行各种适当的动作和处理。在ram中，还可以存储设备操作所需的各种程序和数据。cpu、rom以及ram通过总线彼此相连。输入/输出(i/o)接口也连接至总线。
[0082]
设备中的多个部件连接至i/o接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0083]
处理单元执行上文所描述的各个方法和处理，例如方法s1～s3。例如，在一些实施例中，方法s1～s3可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元。在一些实施例中，计算机程序的部分或者全部可以经由rom和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到ram并由cpu执行时，可以执行上文描述的方法s1～s3的一个或多个步骤。备选地，在其他实施例中，cpu可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法s1～s3。
[0084]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)等等。
[0085]
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0086]
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0087]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。