[go: up one dir, main page]

CN116626457A - 基于ssa寻优的变压器特高频局放定位方法及系统 - Google Patents

基于ssa寻优的变压器特高频局放定位方法及系统 Download PDF

Info

Publication number
CN116626457A
CN116626457A CN202310911996.0A CN202310911996A CN116626457A CN 116626457 A CN116626457 A CN 116626457A CN 202310911996 A CN202310911996 A CN 202310911996A CN 116626457 A CN116626457 A CN 116626457A
Authority
CN
China
Prior art keywords
partial discharge
transformer
positioning
uhf
ssa
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310911996.0A
Other languages
English (en)
Inventor
刘昭
王思源
瞿寒冰
任志刚
胥明凯
于光远
胡旭冉
鲍新
毛纯纯
蒋超
江秀臣
许永鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Shanghai Jiao Tong University
Original Assignee
Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Shanghai Jiao Tong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd, Shanghai Jiao Tong University filed Critical Jinan Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202310911996.0A priority Critical patent/CN116626457A/zh
Publication of CN116626457A publication Critical patent/CN116626457A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明公开了一种基于SSA寻优的变压器特高频局放定位方法及系统，属于电力设备故障定位技术领域，方法包括以下步骤：采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；利用K‑means算法对得到的定位解进行聚类分析，得到聚类中心；利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。本发明提高了局部放电的定位精度，方便了工作人员快速找到设备故障位置，从而了保障配电网络的安全。

Description

基于SSA寻优的变压器特高频局放定位方法及系统
技术领域
本发明涉及一种基于SSA(Sparrow Search Algorithm,麻雀搜索算法)寻优的变压器特高频局放定位方法及系统，属于电力设备故障定位技术领域。
背景技术
随着电力系统规模的日益发展，对各种电力设备的安全运行和供电可靠性的要求越来越高。电力设备在电网中起重要的作用，其安全稳定运行对保证电网结构的完整性起着决定性作用。近年来，随着国家工业化进程的逐步深入，大量的各种设备催生出强大的用电量，保障配电网络的安全，同时及时找到故障位置就显得尤为重要。
变压器是电力系统中最为重要的设备之一，是保证电力系统安全、可靠、经济、优质运行的关键。绝缘自然老化、环境条件恶劣和运行负荷过高等因素都可诱发电力变压器的故障，造成严重的社会经济损失，特别是局放故障将严重影响变压器的运行安全。局部放电PD（Partial Discharge）是变压器绝缘劣化的主要原因，若不及时发现并采取检修措施，将加速变压器绝缘老化，可能导致绝缘击穿从而造成重大电力事故。研究表明，变压器绝缘的劣化程度不仅与局部放电类型、放电量、放电重复率有关，还与放电位置有关，局部放电定位有利于更精确地反映变压器绝缘状况并采取更高效的检修策略。
局部放电定位属于无线定位技术，其算法原理可分为基于信号接收强度（RSSI）、基于信号到达角度（AOA）和基于信号传输时间（TOF）3种。其中，基于 TOF 原理一类中的基于到达时间差 TDOA（Time Difference Of Arrival）的定位算法原理简单，应用最为广泛。特高频法（Ultra High Frequency, UHF）作为局放检测的有效手段，在变压器、气体绝缘变电站（GIS）等设备的局放检测中广泛应用。基于UHF定位的常用方法主要有：基于到达时间差TDOA和基于信号接收幅值强度（received signal strength indicator, RSSI）。TDOA法是通过布置特高频传感器阵列，根据信号到达传感器阵列的时间差，通过一定的方法解出局放源的坐标。但是，上述局部放电定位方法的定位精度低，无法及时准确地找到故障位置，导致配电网络的安全得不到有效保障。
发明内容
为了解决上述问题，本发明提出了一种基于SSA寻优的变压器特高频局放定位方法及系统，能够提高局部放电的定位精度，及时准确地找到故障位置，从而保障配电网络的安全。
本发明解决其技术问题采取的技术方案是：
第一方面，本发明实施例提供的一种基于SSA寻优的变压器特高频局放定位方法，包括以下步骤：
采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；
对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；
建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；
利用K-means算法对得到的定位解进行聚类分析，得到聚类中心；
利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。
作为本实施例一种可能的实现方式，所述采集变压器局放UHF信号，包括：
以菱形方位布置4个特高频智能感知传感器，利用特高频智能感知传感器采集变压器局部放电UHF信号。
作为本实施例一种可能的实现方式，所述对变压器局放UHF信号进行降噪处理，包括：
用小波阈值去噪法对局放UHF信号进行去噪处理；
对去噪后的局放UHF信号进行归一化处理：
其中，为样本数据，为归一化后结果。
作为本实施例一种可能的实现方式，所述用小波阈值去噪法对局放UHF信号进行去噪处理，包括：
选定一种小波对信号进行n层小波分解；
利用下式对分解的各层系数进行阈值处理：
其中，阈值处理后的小波系数，为原始小波系数，为统一阈值，为噪声标准差，N为离散信号的个数，为调节参数，当为软阈值函数，当时为硬阈值函数；
对阈值处理后的小波系数进行小波重构，获得去噪后的UHF信号。
作为本实施例一种可能的实现方式，所述对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差，包括：
采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其作为直线传播的部分信号；
对直线传播的部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数；
计算互相关函数取最大值时的时间作为提取信号的时差；
综合阈值法与互相关函数法确定最终时差：
其中，为最终的变压器局放UHF信号时差。
作为本实施例一种可能的实现方式，所述建立局放源目标函数约束方程，包括:
以变压器底部左边端点为原点（0, 0, 0）建立空间直角坐标系，局部放电源以 P(x, y, z)表示，各个采集变压器局部放电UHF信号的位置分别以 S1(x1, y1, z1)、S2(x2,y2, z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量，单位为m/s。
作为本实施例一种可能的实现方式，所述利用K-means算法对得到的定位解进行聚类分析，得到聚类中心，包括：
随机选取k个初始聚类中心Ci，i≤1≤k，k为大于等于3的正整数，计算数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中；
计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和SSE（Sum of Squared Error），进行下一次迭代，直到聚类中心不再变化时停止。
作为本实施例一种可能的实现方式，所述数据对象与聚类中心间的欧氏距离计算公式为：
其中，为数据对样，为第i个聚类中心，m为数据对象的维度，为和的第j个属性值。
作为本实施例一种可能的实现方式，所述的误差平方和SSE的计算公式为：
其中，SSE的大小表示聚类结果的好坏，k为簇的个数。
作为本实施例一种可能的实现方式，所述利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点，包括：
将采用 K-means聚类算法多次定位结果分为K类，设K个聚类中心坐标为，其中i=1,2,...,K，K为大于等于3的正整数；
将寻找到这K个聚类中心距离之和最小的点的问题转化为下列约束最优化问题：
利用SSA算法对上述约束最优化问题进行求解，得到最终的变压器特高频局部放电源定位点。
第二方面，本发明实施例提供的一种基于SSA寻优的变压器特高频局放定位系统，包括：
数据采集模块，用于采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；
互相关计算模块，用于对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；
定位解求解模块，用于建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；
聚类分析模块，用于利用K-means算法对得到的定位解进行聚类分析，得到聚类中心；
局放源定位模块，用于利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。
作为本实施例一种可能的实现方式，所述数据采集模块包括：
传感器模块，用于以菱形方位布置4个特高频智能感知传感器，利用特高频智能感知传感器采集变压器局部放电UHF信号；
降噪模块，用于采用小波阈值去噪法对局放UHF信号进行去噪处理；
归一化模块，用于对去噪后的局放UHF信号进行归一化处理。
作为本实施例一种可能的实现方式，所述降噪模块，具体用于：
选定一种小波对信号进行n层小波分解；
利用下式对分解的各层系数进行阈值处理：
其中，阈值处理后的小波系数，为原始小波系数，为统一阈值，为噪声标准差，N为离散信号的个数，为调节参数，当为软阈值函数，当时为硬阈值函数；
对阈值处理后的小波系数进行小波重构，获得去噪后的UHF信号。
作为本实施例一种可能的实现方式，所述互相关计算模块，包括：
信号提取模块，用于采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其作为直线传播的部分信号；
互相关计算模块，用于对直线传播的部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数；
提取信号时差获取模块，用于计算互相关函数取最大值时的时间作为提取信号的时差；
最终时差确定模块，用于综合阈值法与互相关函数法确定最终时差：
其中，为最终的变压器局放UHF信号时差。
作为本实施例一种可能的实现方式，所述定位解求解模块建立局放源目标函数约束方程的过程为:
以变压器底部左边端点为原点（0, 0, 0）建立空间直角坐标系，局部放电源以 P(x, y, z)表示，各个采集变压器局部放电UHF信号的位置分别以 S1(x1, y1, z1)、S2(x2,y2, z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量，单位为m/s。
作为本实施例一种可能的实现方式，所述聚类分析模块，包括：
欧氏距离计算模块，用于随机选取k个初始聚类中心Ci，i≤1≤k，k为大于等于3的正整数，计算数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中；
迭代计算模块，用于计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和SSE（Sum of Squared Error），进行下一次迭代，直到聚类中心不再变化时停止。
作为本实施例一种可能的实现方式，所述局放源定位模块，包括：
结果分类模块，用于将采用 K-means聚类算法多次定位结果分为K类，设K个聚类中心坐标为，其中i=1,2,...,K，K为大于等于3的正整数；
问题转化模块，用于将寻找到这K个聚类中心距离之和最小的点的问题转化为下列约束最优化问题：
问题求解模块，用于利用SSA算法对上述约束最优化问题进行求解，得到最终的变压器特高频局部放电源定位点。
第三方面，本发明实施例提供的一种计算机设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述任意基于SSA寻优的变压器特高频局放定位方法的步骤。
第四方面，本发明实施例提供的一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任意基于SSA寻优的变压器特高频局放定位方法的步骤。
本发明实施例的技术方案可以具有的有益效果如下：
针对变压器局放故障进行定位，本发明通过以合适方式布置特高频智能感知传感器采集变压器局放UHF信号并进行降噪处理，然后利用插值互相关算法确定UHF信号时差；接着将每组时差依次代入建立的局放源目标函数约束方程中，用SSA算法求解得到多个定位解；然后利用K-means算法对得到的定位解进行聚类分析；最后再次利用SSA算法计算到K个聚类中心距离之和最小的最优解，即为最终确定的局放源定位点。本发明能够较准确的定位出变压器局部放电源的位置坐标，为工作人员检查与及时处理设备故障提供了较为准确的判断依据，保障了变压器的平稳安全运行。
相较于以往的局放定位方法，本发明通过对局放源目标函数约束方程的求解结果进行K-means聚类分析，然后利用SSA算法进行二次寻优，能够对第一次求解出的若干结果进行校正，从而及时准确地找到故障位置，本发明提高了局部放电的定位精度，方便了工作人员快速找到设备故障位置，从而了保障配电网络的安全。
附图说明
图1是根据一示例性实施例示出的一种基于SSA寻优的变压器特高频局放定位方法的流程图；
图2是根据一示例性实施例示出的一种基于SSA寻优的变压器特高频局放定位系统的结构示意图；
图3是根据一示例性实施例示出的一种采用本发明所示定位系统进行变压器特高频局放定位的具体流程图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明：
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示，本发明实施例提供的一种基于SSA寻优的变压器特高频局放定位方法，包括以下步骤：
采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；
对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；
建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；
利用K-means算法对得到的定位解进行聚类分析，得到聚类中心；
利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。
因为本发明针对的对象是变压器，其现场环境大多数是露天的，其环境繁杂多变，往往充斥着各种环境噪声，对局放源定位的准确性提出不小的挑战，故而本发明首先对采集的UHF信号进行降噪处理，然后利用插值互相关算法确定UHF信号时差，接着将每组时差依次代入建立的约束最优化问题中，用SSA算法求解得到多个定位解；然后利用K-means算法对得到的定位解进行聚类分析；最后再次利用SSA算法计算到K个聚类中心距离之和最小的最优解，得出最终局放源定位点结果。
作为本实施例一种可能的实现方式，所述采集变压器局放UHF信号，包括：
以菱形方位布置4个特高频智能感知传感器，利用特高频智能感知传感器采集变压器局部放电UHF信号。
作为本实施例一种可能的实现方式，所述对变压器局放UHF信号进行降噪处理，包括：
用小波阈值去噪法对局放UHF信号进行去噪处理；
对去噪后的局放UHF信号进行归一化处理：
其中，为样本数据，为归一化后结果。
作为本实施例一种可能的实现方式，所述用小波阈值去噪法对局放UHF信号进行去噪处理，包括：
选定一种小波对信号进行n层小波分解；
利用下式对分解的各层系数进行阈值处理：
其中，阈值处理后的小波系数，为原始小波系数，为统一阈值，为噪声标准差，N为离散信号的个数，为调节参数，当为软阈值函数，当时为硬阈值函数；
对阈值处理后的小波系数进行小波重构，获得去噪后的UHF信号。
作为本实施例一种可能的实现方式，所述对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差，包括：
采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其作为直线传播的部分信号；
对直线传播的部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数；
计算互相关函数取最大值时的时间作为提取信号的时差；
综合阈值法与互相关函数法确定最终时差：
其中，为最终的变压器局放UHF信号时差。
作为本实施例一种可能的实现方式，所述建立局放源目标函数约束方程，包括:
以变压器底部左边端点为原点（0, 0, 0）建立空间直角坐标系，局部放电源以 P(x, y, z)表示，各个采集变压器局部放电UHF信号的位置分别以 S1(x1, y1, z1)、S2(x2,y2, z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量，单位为m/s。
作为本实施例一种可能的实现方式，所述利用K-means算法对得到的定位解进行聚类分析，得到聚类中心，包括：
随机选取k个初始聚类中心Ci，i≤1≤k，k为大于等于3的正整数，计算数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中；
计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和SSE（Sum of Squared Error），进行下一次迭代，直到聚类中心不再变化时停止。
作为本实施例一种可能的实现方式，所述数据对象与聚类中心间的欧氏距离计算公式为：
其中，为数据对样，为第i个聚类中心，m为数据对象的维度，为和的第j个属性值。
作为本实施例一种可能的实现方式，所述的误差平方和SSE的计算公式为：
其中，SSE的大小表示聚类结果的好坏，k为簇的个数。
作为本实施例一种可能的实现方式，所述利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点，包括：
将采用 K-means聚类算法多次定位结果分为K类，设K个聚类中心坐标为，其中i=1,2,...,K，K为大于等于3的正整数；
将寻找到这K个聚类中心距离之和最小的点的问题转化为下列约束最优化问题：
利用SSA算法对上述约束最优化问题进行求解，得到最终的变压器特高频局部放电源定位点。
如图2所示，本发明实施例提供的一种基于SSA寻优的变压器特高频局放定位系统，包括：
数据采集模块，用于采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；
互相关计算模块，用于对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；
定位解求解模块，用于建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；
聚类分析模块，用于利用K-means算法对得到的定位解进行聚类分析，得到聚类中心；
局放源定位模块，用于利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。
作为本实施例一种可能的实现方式，所述数据采集模块包括：
传感器模块，用于以菱形方位布置4个特高频智能感知传感器，利用特高频智能感知传感器采集变压器局部放电UHF信号；
降噪模块，用于采用小波阈值去噪法对局放UHF信号进行去噪处理；
归一化模块，用于对去噪后的局放UHF信号进行归一化处理。
作为本实施例一种可能的实现方式，所述降噪模块，具体用于：
选定一种小波对信号进行n层小波分解；
利用下式对分解的各层系数进行阈值处理：
其中，阈值处理后的小波系数，为原始小波系数，为统一阈值，为噪声标准差，N为离散信号的个数，为调节参数，当为软阈值函数，当时为硬阈值函数；
对阈值处理后的小波系数进行小波重构，获得去噪后的UHF信号。
作为本实施例一种可能的实现方式，所述互相关计算模块，包括：
信号提取模块，用于采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其作为直线传播的部分信号；
互相关计算模块，用于对直线传播的部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数；
提取信号时差获取模块，用于计算互相关函数取最大值时的时间作为提取信号的时差；
最终时差确定模块，用于综合阈值法与互相关函数法确定最终时差：
其中，为最终的变压器局放UHF信号时差。
作为本实施例一种可能的实现方式，所述定位解求解模块建立局放源目标函数约束方程的过程为:
以变压器底部左边端点为原点（0, 0, 0）建立空间直角坐标系，局部放电源以 P(x, y, z)表示，各个采集变压器局部放电UHF信号的位置分别以 S1(x1, y1, z1)、S2(x2,y2, z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量，单位为m/s。
作为本实施例一种可能的实现方式，所述聚类分析模块，包括：
欧氏距离计算模块，用于随机选取k个初始聚类中心Ci，i≤1≤k，k为大于等于3的正整数，计算数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中；
迭代计算模块，用于计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和SSE（Sum of Squared Error），进行下一次迭代，直到聚类中心不再变化时停止。
作为本实施例一种可能的实现方式，所述局放源定位模块，包括：
结果分类模块，用于将采用 K-means聚类算法多次定位结果分为K类，设K个聚类中心坐标为，其中i=1,2,...,K，K为大于等于3的正整数；
问题转化模块，用于将寻找到这K个聚类中心距离之和最小的点的问题转化为下列约束最优化问题：
问题求解模块，用于利用SSA算法对上述约束最优化问题进行求解，得到最终的变压器特高频局部放电源定位点。
如图3所示，采用本发明所示定位系统进行变压器特高频局放定位的具体过程如下。
步骤1：变压器局放UHF信号采集与降噪处理。
以任意菱形方位布置4个特高频智能感知传感器采集变压器局放UHF信号。然后利用小波阈值去噪法对变压器局放UHF信号进行降噪处理。小波阈值去噪的实质为抑制信号中无用部分、增强有用部分的过程。小波阈值去噪过程为：（1）小波分解，即选定一种小波对信号进行n层小波分解；（2）阈值处理，即对分解的各层系数进行阈值处理，获得估计小波系数；（3）小波重构，据去噪后的小波系数进行小波重构，获得去噪后的UHF信号。在这个过程中阈值函数公式如下：
其中，阈值处理后的小波系数，为原始小波系数，为统一阈值，为噪声标准差，N为离散信号的个数，为调节参数，当为软阈值函数，当时为硬阈值函数。
对去噪后的局放UHF信号进行归一化处理，以加快运算速。归一化公式为：
。
其中为样本数据，为归一化后结果。
步骤2：利用插值互相关算法确定UHF信号时差。
首先采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其近似作为直线传播的部分信号。之后对该部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数。计算互相关函数取最大值时的时间作为提取信号的时差。综合阈值法与互相关函数法确定最终时差为：
。
步骤3：将每组时差依次代入建立的局放源目标函数约束方程问题中，用SSA优化算法求解得到多个定位解。
建立局放源目标函数约束方程的过程为：以变压器底部左边端点为原点（0, 0,0）建立空间直角坐标系，局放源以 P(x, y, z)表示，各个特高频智能感知传感器分别以S1(x1, y1, z1)、S2(x2, y2, z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，由此建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量，特高频智能感知传感器的数量，单位为m/s。
SSA算法是一种智能优化算法，主要是受麻雀的觅食行为和反捕食行为的启发而提出的，具有比较新颖，寻优能力强，收敛速度快的优点。在麻雀搜索算法中，将个体区分为发现者、跟随者和警戒者，每个个体位置对应一个解。根据算法设定，警戒者所占种群比例10%~20%，而发现者和跟随者是动态变化的，即一只个体成为发现者必然意味着另一只个体将成为跟随者。按照分工划分，发现者主要为整个种群提供觅食方向和区域，跟随者则是跟随发现者进行觅食，警戒者负责对于觅食区域的监视。在觅食过程中，通过不断更新三者位置，完成资源的获取。设种群中有n 个麻雀，则由所有麻雀个体组成的种群可表示为，个体各自对应的适应度函数为。
发现者位置更新方式：
其中，t表示当前迭代次数，表示在第t代中第i只麻雀在第j为的位置，表示最大迭代次数，是报警值，是安全阈值，表示服从正态分布的随机数，L是1xdim的全1矩阵，dim表示维度。当时，意味着觅食区域周围没有捕食者，发现者可以广泛搜索食物；当时，意味着捕食者出现，所有发现者都需要飞往安全区域。
跟随者位置更新方式：
其中，表示第t代适应度最差的个体位置，表示第t+1代中适应度最佳个体位置，表示1xdim的矩阵且矩阵中每个元素随机预设为1或-1，。当，表示第i个加入者的适应度较低，没有同发现者竞争食物的资格，需要飞往其他区域觅食；当，加入者将在最优个体附近觅食。
警戒者位置更新方式：
其中，表示第t代中全局最优位置，为控制步长，服从均值为0，方差为1的正态分布，为常数，用以避免分母为0，表示当前个体的适应度，、表示目前全局最优和最差个体的适应度。当，意味着该个体处于种群外围，需要采取反捕食行为，不断变换位置获得更高的适应度；当，意味着该个体处于种群中心，它将不断接近附近的同伴，以此远离危险区域。
步骤4：利用K-means算法对得到的定位解进行聚类分析。
首先从数据集中随机选取k个初始聚类中心Ci（i≤1≤k），计算其余数据对象与与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中。然后计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和（Sum of Squared Error，SSE），进行下一次迭代，直到聚类中心不再变化时停止。空间中数据对象与聚类中心间的欧氏距离计算公式为：
其中，为数据对样，为第i个聚类中心，m为数据对象的维度，为和的第j个属性值。
整个数据集的误差平方和SSE计算公式为：
其中，SSD的大小表示聚类结果的好坏，k为簇的个数，在本实施例中k设置为3。
步骤5：最后再次利用SSA算法计算到K个聚类中心距离之和最小的最优解，即为局放源定位点。
K-means 聚类算法根据对象间欧式距离大小划分为K个类簇，保证类簇内的对象相似度尽量高，即欧式距离小；而类簇之间相似度尽量低。采用 K-means聚类算法将多次定位结果分为K类，然后寻找到这K个聚类中心距离之和最小的点，该点即是更为精确的定位点。设K个聚类中心坐标为，其中i=1,2,...,K。所以将此问题转化为下列约束最优化问题：
该优化问题再次利用SSA算法进行求解，即可得到更为精确的局放源定位点。
本方案通过两次利用SSA优化算法进行局放源定位点的寻优计算，同时在K-means聚类算法中设置K=3，经验证本方案中方法可以明显提高局放源定位的精度。
针对变压器的局放故障定位识别，本发明通过以合适方式布置特高频智能感知传感器采集变压器局放UHF信号并进行降噪处理，然后对UHF信号利用插值互相关算法确定UHF信号时差，接着将每组时差依次代入建立的约束最优化问题中，用SSA优化算法求解得到多个定位解，然后利用K-means算法对得到的定位解进行聚类分析，最后再次利用SSA算法计算到K个聚类中心距离之和最小的最优解，即为局放源定位点。相较于以往的局放定位方法，本发明通过对求解结果进行K-means聚类分析，然后利用SSA算法进行二次寻优，能够对第一次求解出的若干结果进行校正，从而得出更精确的位置，方便了工作人员快速找到设备故障位置，本发明可以运用在大电网现场故障定位识别领域，具有广阔的工程应用价值。
本发明实施例提供的一种计算机设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述装置运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述任意基于SSA寻优的变压器特高频局放定位方法的步骤。
具体地，上述存储器和处理器能够为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机程序时，能够执行上述基于SSA寻优的变压器特高频局放定位方法。
本领域技术人员可以理解，所述计算机设备的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。
在一些实施例中，该计算机设备还可以包括触摸屏可用于显示图形用户界面（例如，应用程序的启动界面）和接收用户针对图形用户界面的操作（例如，针对应用程序的启动操作）。具体的触摸屏可包括显示面板和触控面板。其中显示面板可以采用LCD(LiquidCrystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置。触控面板可收集用户在其上或附近的接触或者非接触操作，并生成预先设定的操作指令，例如，用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作。另外，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位、姿势，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成处理器能够处理的信息，再送给处理器，并能接收处理器发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板，也可以采用未来发展的任何技术实现触控面板。进一步的，触控面板可覆盖显示面板，用户可以根据显示面板显示的图形用户界面，在显示面板上覆盖的触控面板上或者附近进行操作，触控面板检测到在其上或附近的操作后，传送给处理器以确定用户输入，随后处理器响应于用户输入在显示面板上提供相应的视觉输出。另外，触控面板与显示面板可以作为两个独立的部件来实现也可以集成而来实现。
对应于上述应用程序的启动方法，本发明实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任意基于SSA寻优的变压器特高频局放定位方法的步骤。
本申请实施例所提供的应用程序的启动装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (16)

1.一种基于SSA寻优的变压器特高频局放定位方法，其特征在于，包括以下步骤：
采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；
对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；
建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；
利用K-means算法对得到的定位解进行聚类分析，得到聚类中心；
利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。
2.根据权利要求1所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述采集变压器局放UHF信号，包括：
以菱形方位布置4个特高频智能感知传感器，利用特高频智能感知传感器采集变压器局部放电UHF信号。
3.根据权利要求1所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述对变压器局放UHF信号进行降噪处理，包括：
用小波阈值去噪法对局放UHF信号进行去噪处理；
对去噪后的局放UHF信号进行归一化处理：
其中，为样本数据，为归一化后结果。
4.根据权利要求3所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述用小波阈值去噪法对局放UHF信号进行去噪处理，包括：
选定一种小波对信号进行n层小波分解；
利用下式对分解的各层系数进行阈值处理：
其中，阈值处理后的小波系数，为原始小波系数，为统一阈值，为噪声标准差，N为离散信号的个数，为调节参数；
对阈值处理后的小波系数进行小波重构，获得去噪后的UHF信号。
5.根据权利要求1所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差，包括：
采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其作为直线传播的部分信号；
对直线传播的部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数；
计算互相关函数取最大值时的时间作为提取信号的时差；
综合阈值法与互相关函数法确定最终时差：
其中，为最终的变压器局放UHF信号时差。
6.根据权利要求1-5任意一项所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述建立局放源目标函数约束方程，包括:
以变压器底部左边端点为原点（0, 0, 0）建立空间直角坐标系，局部放电源以 P(x,y, z)表示，各个采集变压器局部放电UHF信号的位置分别以 S1(x1, y1, z1)、S2(x2, y2,z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量。
7.根据权利要求1-5任意一项所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述利用K-means算法对得到的定位解进行聚类分析，得到聚类中心，包括：
随机选取k个初始聚类中心Ci，i≤1≤k，k为大于等于3的正整数，计算数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中；
计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和SSE，进行下一次迭代，直到聚类中心不再变化时停止。
8.根据权利要求7所述的基于SSA寻优的变压器特高频局放定位方法，其特征在于，所述利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点，包括：
将采用 K-means聚类算法多次定位结果分为K类，设K个聚类中心坐标为，其中i=1,2,...,K，K为大于等于3的正整数；
将寻找到这K个聚类中心距离之和最小的点的问题转化为下列约束最优化问题：
利用SSA算法对上述约束最优化问题进行求解，得到最终的变压器特高频局部放电源定位点。
9.一种基于SSA寻优的变压器特高频局放定位系统，其特征在于，包括：
数据采集模块，用于采集变压器局放UHF信号，并对变压器局放UHF信号进行降噪处理；
互相关计算模块，用于对降噪处理后的变压器局放UHF信号进行互相关计算，确定UHF信号时差；
定位解求解模块，用于建立局放源目标函数约束方程，代入UHF信号时差并用SSA算法求解得到多个定位解；
聚类分析模块，用于利用K-means算法对得到的定位解进行聚类分析，得到聚类中心；
局放源定位模块，用于利用SSA算法计算到所述聚类中心距离之和最小的最优解，得到变压器特高频局放源定位点。
10.根据权利要求9所述的基于SSA寻优的变压器特高频局放定位系统，其特征在于，所述数据采集模块包括：
传感器模块，用于以菱形方位布置4个特高频智能感知传感器，利用特高频智能感知传感器采集变压器局部放电UHF信号；
降噪模块，用于采用小波阈值去噪法对局放UHF信号进行去噪处理；
归一化模块，用于对去噪后的局放UHF信号进行归一化处理。
11.根据权利要求9所述的基于SSA寻优的变压器特高频局放定位系统，其特征在于，所述互相关计算模块，包括：
信号提取模块，用于采用阈值法近似确定信号起始时刻及时差 ta12，并提取各信号起始时刻前后各3ns的信号，将其作为直线传播的部分信号；
互相关计算模块，用于对直线传播的部分信号计算互相关函数：
其中，和分别是提取的部分信号，为提取信号的采样点数；
提取信号时差获取模块，用于计算互相关函数取最大值时的时间作为提取信号的时差；
最终时差确定模块，用于综合阈值法与互相关函数法确定最终时差：
其中，为最终的变压器局放UHF信号时差。
12.根据权利要求9所述的基于SSA寻优的变压器特高频局放定位系统，其特征在于，所述定位解求解模块建立局放源目标函数约束方程的过程为:
以变压器底部左边端点为原点（0, 0, 0）建立空间直角坐标系，局部放电源以 P(x,y, z)表示，各个采集变压器局部放电UHF信号的位置分别以 S1(x1, y1, z1)、S2(x2, y2,z2)、S3(x3, y3, z3) 和 S4(x4, y4, z4)表示，建立局放源目标函数约束方程：
其中，为目标函数，、、分别为等效的变压器长、宽、高，i=2,...,q，q为采集UHF信号的位置数量。
13.根据权利要求9所述的基于SSA寻优的变压器特高频局放定位系统，其特征在于，所述聚类分析模块，包括：
欧氏距离计算模块，用于随机选取k个初始聚类中心Ci，i≤1≤k，k为大于等于3的正整数，计算数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心Ci，并将数据对象分配到聚类中心Ci所对应的簇中；
迭代计算模块，用于计算每个簇中数据对象的平均值作为新的聚类中心，不断降低类簇的误差平方和SSE，进行下一次迭代，直到聚类中心不再变化时停止。
14.根据权利要求9所述的基于SSA寻优的变压器特高频局放定位系统，其特征在于，所述局放源定位模块，包括：
结果分类模块，用于将采用 K-means聚类算法多次定位结果分为K类，设K个聚类中心坐标为，其中i=1,2,...,K，K为大于等于3的正整数；
问题转化模块，用于将寻找到这K个聚类中心距离之和最小的点的问题转化为下列约束最优化问题：
问题求解模块，用于利用SSA算法对上述约束最优化问题进行求解，得到最终的变压器特高频局部放电源定位点。
15.一种计算机设备，其特征在于，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-8任一所述的基于SSA寻优的变压器特高频局放定位方法的步骤。
16.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-8任一所述的基于SSA寻优的变压器特高频局放定位方法的步骤。
CN202310911996.0A 2023-07-25 2023-07-25 基于ssa寻优的变压器特高频局放定位方法及系统 Pending CN116626457A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310911996.0A CN116626457A (zh) 2023-07-25 2023-07-25 基于ssa寻优的变压器特高频局放定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310911996.0A CN116626457A (zh) 2023-07-25 2023-07-25 基于ssa寻优的变压器特高频局放定位方法及系统

Publications (1)

Publication Number Publication Date
CN116626457A true CN116626457A (zh) 2023-08-22

Family

ID=87592512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310911996.0A Pending CN116626457A (zh) 2023-07-25 2023-07-25 基于ssa寻优的变压器特高频局放定位方法及系统

Country Status (1)

Country Link
CN (1) CN116626457A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117609831A (zh) * 2023-11-21 2024-02-27 国网宁夏电力有限公司电力科学研究院 一种基于随机矩阵的变压器局放检测方法、介质及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107435817A (zh) * 2017-08-15 2017-12-05 常州大学 一种压力管道两点泄漏检测精确定位方法
CN115421004A (zh) * 2022-07-25 2022-12-02 国家电网有限公司 一种手持便携式局部放电巡检定位装置及局部放电巡检方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107435817A (zh) * 2017-08-15 2017-12-05 常州大学 一种压力管道两点泄漏检测精确定位方法
CN115421004A (zh) * 2022-07-25 2022-12-02 国家电网有限公司 一种手持便携式局部放电巡检定位装置及局部放电巡检方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
佘昌佳: "时差筛选和ABC二次寻优的变压器局放超声定位方法", 高电压技术, vol. 47, no. 8, pages 2820 - 2827 *
张兢: "基于新阈值函数的小波去噪算法", 微型机与应用, vol. 35, no. 17, pages 20 - 22 *
张冠军;朱明晓;王彦博;刘青;李元;邓军波;穆海宝;: "基于可移动特高频天线阵列的变电站站域放电源检测与定位研究", 中国电机工程学报, vol. 37, no. 10, pages 2761 - 2773 *
朱明晓: "基于平面相交法的敞开式变电站多源局部放电定位方法", 高电压技术, vol. 44, no. 9, pages 2970 - 2976 *
李伊: "数据可视化", 首都经济贸易大学出版社, pages: 217 - 218 *
钱定冬: "基于GCC-MSSA的变压器局放超声内部定位方法", 电子测量技术, vol. 46, no. 3, pages 134 - 141 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117609831A (zh) * 2023-11-21 2024-02-27 国网宁夏电力有限公司电力科学研究院 一种基于随机矩阵的变压器局放检测方法、介质及系统

Similar Documents

Publication Publication Date Title
CN111832462B (zh) 一种基于深度神经网络的跳频信号检测与参数估计方法
Li et al. An improved AIC onset-time picking method based on regression convolutional neural network
CN103889051B (zh) 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法
CN102247143A (zh) 一种可集成的心电信号去噪和qrs波识别的快速算法
CN107393555A (zh) 一种低信噪比异常声音信号的检测系统及检测方法
CN109061774A (zh) 一种雷暴核关联性处理方法
CN113903334B (zh) 声源定位模型的训练与声源定位方法、装置
CN104616002A (zh) 用于年龄段判断的面部识别设备
CN116626457A (zh) 基于ssa寻优的变压器特高频局放定位方法及系统
CN113627289A (zh) 一种基于深度学习的电力设备识别方法及其装置
CN116660699A (zh) 基于改进tdoa的uhf法gis局放定位方法及系统
CN102622353B (zh) 一种固定音频检索方法
CN106649489B (zh) 一种地理文本信息数据中的连续skyline查询处理机制
CN114511908A (zh) 一种人脸活体检测方法、装置、电子设备及存储介质
CN120196927A (zh) 一种基于人工智能的电力放电检测方法及系统
CN120146301A (zh) 一种风电功率预测方法及相关装置
CN119129698A (zh) 大模型攻击方法、装置、电子设备及存储介质
CN110309689B (zh) 基于超宽带雷达的Gabor域手势识别检测方法
CN118485125A (zh) 自适应模型剪枝方法、装置、电子设备、存储介质
CN118484753A (zh) 电力设备机械振动缺陷检测方法、装置、设备及介质
CN118152828A (zh) 一种供水管网漏损检测定位方法
CN111083632A (zh) 一种基于支持向量机的超宽带室内定位方法
CN115099354A (zh) 训练样本的构建方法、装置、设备及存储介质
CN110032585A (zh) 一种时间序列双层符号化方法及装置
Xu Detection method of street view number recognition based on improved yolo v3

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230822