基于特高频和CNN-LSTM-Attention算法的高压电缆故障诊断方法.pdf
《基于特高频和CNN-LSTM-Attention算法的高压电缆故障诊断方法.pdf》由会员分享,可在线阅读,更多相关《基于特高频和CNN-LSTM-Attention算法的高压电缆故障诊断方法.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:基金项目:江西省电力有限公司九江供电分公司科技项目(S O J X J O O Y J J S )作者简介:胡裕峰(),男,湖南湘潭人,博士,高级工程师,研究方向:电气一次设备绝缘技术及故障诊断.通信联系人,E m a i l:z h u h a i h u a w a n g h u w o r c o m c n文章编号:()D O I:/j c n k i j s j s y z d h 基于特高
2、频和C N N L S T M A t t e n t i o n算法的高压电缆故障诊断方法胡裕峰,张自远,金涛,盛敏超,李中龙(国网江西省九江市供电公司,江西 九江 )摘要:随着高压电缆的加速发展和老化,由局部放电(p a r t i a ld i s c h a r g e,P D)引起的故障问题亟须解决.为此,提出了一种基于特高频(UH F)局放技术与C NN L S TM A t t e n t i o n算法的高压电缆故障在线智能诊断方法.首先,对高压电缆的P D产生机理,以及UHF局放技术的实现过程进行描述.其次,利用巴特沃斯(B u t t e r w o r t h)对P D信
3、号进行高通滤波,采用小波变换对信号进行去噪,I P L R算法对P D信号进行降维处理,进而实现特征量的准确提取.最后,建立由C NN L S TM A t t e n t i o n算法构成的智能诊断模型.模型中卷积层(C NN)提取轮廓特征,长短期记忆层(L S TM)提取信号时序特征,注意力层(A t t e n t i o n)学习信号重要时序部分.通过实际数据仿真表明:相比传统神经网络方法,C NN L S TM A t t e n t i o n神经网络检测方法能够准确识别高采样率的异常放电信号特征,且故障识别准确率明显提高.关键词:特高频;P D;C NN L S TM A t
4、t e n t i o n;高压电缆;故障诊断中图分类号:TM 文献标识码:AH i g hV o l t a g eC a b l eF a u l tD i a g n o s i sM e t h o dB a s e do nU H Fa n dC N N L S TM A t t e n t i o nA l g o r i t h mHUY u f e n g,Z HANGZ i y u a n,J I NT a o,S HE NG M i n c h a o,L IZ h o n g l o n g(S t a t eG r i dJ i u j i a n gP o w e r
5、S u p p l yC o m p a n y,J i u j i a n g,J i a n g x i ,C h i n a)A b s t r a c t:W i t ht h ea c c e l e r a t e dd e v e l o p m e n t a n da g i n go fh i g hv o l t a g ec a b l e,t h e f a u l t c a u s e db yP a r t i a l d i s c h a r g e(P D)n e e d s t ob es o l v e d T h e r e f o r e,Ah i
6、 g hv o l t a g ec a b l ef a u l to n l i n ei n t e l l i g e n tr e c o g n i t i o nm e t h o db a s e do nUHFl o c a ld i s c h a r g e t e c h n o l o g ya n dC NN L S TM A t t e n t i o na l g o r i t h mi sp r o p o s e d F i r s t l y,t h eP Dg e n e r a t i o nm e c h a n i s mo fh i g hv
7、o l t a g ec a b l ea n dt h e r e a l i z a t i o np r o c e s s o fUH F l o c a l d i s c h a r g e t e c h n o l o g ya r ed e s c r i b e d S e c o n d l y,t h eP Ds i g n a l i s f i l t e r e db yB u t t e r w o r t hh i g h p a s s f i l t e ra n dd e n o i s e db yw a v e l e t t r a n s f o
8、 r m,a n dt h e nt h eP Ds i g n a l i sd i m e n s i o n a l l yr e d u c e db y I P L Ra l g o r i t h m,s oa s t oa c h i e v ea c c u r a t ee x t r a c t i o no ff e a t u r eq u a n t i t y F i n a l l y,a ni n t e l l i g e n td i a g n o s i sm o d e lc o m p o s e do fC NN L S TM A t t e n
9、t i o na l g o r i t h mi se s t a b l i s h e d I nt h em o d e l,t h eC NNl a y e r e x t r a c t sc o n t o u r f e a t u r e s,t h eL S TMl a y e re x t r a c t st e m p o r a l f e a t u r e so f s i g n a l s,a n dt h ea t t e n t i o nl a y e r l e a r n s i m p o r t a n t t e m p o r a lp a
10、 r t so fs i g n a l s T h ea c t u a ld a t as i m u l a t i o ns h o w st h a t c o m p a r e dw i t h t h e t r a d i t i o n a l n e u r a l n e t w o r km e t h o d,t h eC NN L S TM A t t e n t i o nn e u r a l n e t w o r kd e t e c t i o nm e t h o dc a na c c u r a t e l y i d e n t i f yt h
11、 ec h a r a c t e r i s t i c so f a b n o r m a l d i s c h a r g es i g n a l sw i t hh i g hs a m p l i n gr a t e,a n dt h e f a u l t i d e n t i f i c a t i o na c c u r a c y i ss i g n i f i c a n t l y i m p r o v e d K e yw o r d s:UH F;P D;C NN L S TM A t t e n t i o n;h i g hv o l t a g
12、ec a b l e;f a u l td i a g n o s i s k V配网高压电缆有着架设距离长、线路复杂程度大等特点,导致运维困难.若高压电缆计算技术与自动化 年月长期运行在P D状态下,将增大设备磨损,严重时,可能导致停电.而目前对 k V线路P D故障的检测,主要通过运维人员利用手持式或车载式超声波检测仪,近距离对疑似局放点进行检测.这大大增加了人工投入和故障检测难度.因此,高压电缆P D识别对提高电网稳定性和降低检修难度具有重要意义.目前,P D故障诊断和识别已逐渐得到国内外众多学者的关注.如文献 通过设计一种新型电缆P D监测系统,利用系统在线实时监测替代一线人员现场巡检
13、,大大减少了工作量.在文献 中,采用支持向量机对小波奇异信息进行计算,最终依据不同故障信号所含信息差异来识别故障类型.在文献 中,首先采用小波分析提取故障信号特征参数,再利用径向基神经网络算法来识别故障.此外,决策树和K 近邻等智能算法在电缆故障识别中,也得到广泛关注 .上述文献中所提改进算法,在提高高压电缆P D识别准确度研究中,已取得非常好的效果,但这些传统学习算法均是人为设定,主观性较强.为此,提出了一种基于UH F和C NN L S TM A t t e n t i o n算法的高压电缆局故障诊断方法.由于电压信号在低频段不包含异常信息,所以该方法首先对已标定的三相电压波形信号进行B
14、u t t e r w o r t h高通滤波去掉低频的无用信号,采用小波变换去噪和I P L R算法降维.并将每相信号平均分成 个波形信号片段,构造并提取每段波形信号中的均值、标准差、最大值与最小值等 个特征值.最后,对特征量建立由C NN L S TM A t t e n t i o n算法构成的智能诊断模型.通过实际数据仿真表明:相比传统神经网络方法,C NN L S TM A t t e n t i o n神经网络检测方法能够准确识别高采样率的异常放电信号特征,且故障识别准确率明显提高.基于U H F局放技术的高压电缆故障诊断机理 高压电缆P D诊断机理高压电缆绝缘体在强电磁场的异常作
15、用下产生的区域性放电现象,这称为P D现象.图为高压电缆绝缘体中气泡产生P D的机理图.图中C、C和C为 多 段 等 效 电 容 和 正 常电容.图绝缘体内P D的原理图由图可得出介质等效电容见式():CeCCCCC()此时,由气泡产生的气隙电压见式():UCUCC()式中:U为接入电压.由式()可知,电压U随着气泡等效电容充电,当增大到临界值后,将对外放电,进而形成P D.且气隙电压U随外接电压U成正比,即U越大,P D风险越高.U H F局放检测原理在时域中,G I S产生的P D信号具有幅值上升率大、持续时间短和频带较宽的特点.G I S内的电磁波信号会随着脉冲电流的形成而同步产生,且频
16、率可高达数百兆赫兹,并以P D信号释放点为中心向四周传播.G I S的UH F局放检测传感器通过检测设备内部电磁波信号,来识别G I S是否发生P D或故障.图为UH F宽频信号的抑制效果原理图,该宽频法抑制原理主要是基于G I S设备中高频电磁波的传播特性,来抑制空气中的低频电晕干扰电磁信号和噪声信号,进而提高信号准确性.图UH F宽频信号抑制效果图图为UH F局放检测仪功能结构示意图,由UH F传 感 器 模 块(电 磁 波 数 据 采 集 频 段 为 MH z MH z)、信号数据处理模块、故障诊断模块和显示模块组成.G I S设备UH F的第 卷第期胡裕峰,等:基于特高频和C NN L
17、 S TM A t t e n t i o n算法的高压电缆故障诊断方法P D检测流程如图所示.图UH F的P D检测仪组成部分图高压电缆UH F的P D检测流程P D故障特征参数提取 B u t t e r w o r t h高通滤波由 节高压电缆P D机理可知,电压信号的高频分量能有效反映该P D信息是否正常,因此,采用B u t t e r w o r t h高通滤波可去掉高压电缆P D信号中的低频无用信号,仅保留高频有用信号.B u t t e r w o r t h是四大经典滤波方法之一,它通过级联一阶和双二阶设置滤波参数阶数、带通响应和频率阈值.B u t t e r w o r
18、t h滤波的特点是有最大的平滑响应,其N阶的滤波公式见式(),其中p表示带通边缘.|H(j)|pN()当p时,有式().H j p()()由上可知表示带通传输的最大变化量,通过式()和式()求得.Am a x l o g()Am a x/()小波去噪信号经小波离散后,特征信息和噪声信息的小波系数不同,系数较大的为特征信息.如图所示,小波离散处理后,信号被分成多个信息部分,而HL、LH、HH可视为噪声.若此时将其对应的小波系数设置为零,即可完成去噪,过程如图所示.S(k)f(k)e(k),k,n()式中,S(k)、f(x)和e(k)分别为原始信息、特征信号和噪声.图小波成分图图小波去噪原理图 I
19、 P L R降维算法当信号为mn维数据集时,可表示为GG,G,Gm,Gigi,gi,gi n.I P L R算法降维步骤如下:步骤:对原始信号进行筛选,具体操作过程和参数详见文献 .min jkkm(n)min jkkm(n)()min jkkm(n)()min jkkm(n)()步骤:kxj xj,kxjxj 为采样点两端相邻变化量,kxj xj,kxj xj 为相邻间隔变化量,jn.步骤:时序列点gi n,若|kk|或|kk|,继续往下执行,否则jj,跳入步骤.计算技术与自动化 年月步骤:若kk或kk,该点为特征点,并继续往下执行,否则jj,往下执行.步骤:当jn时,降维介绍并输出重构信号
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 高频 CNN LSTM Attention 算法 高压 电缆 故障诊断 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。