技术摘要：
本发明公开了一种基于智能特高频传感器的GIS局部放电定位方法，包括传感器空间位置关联步骤、特高频信号异常判断步骤、异常传感器关联分析步骤、多放电源分离步骤、干扰信号排除步骤和局放源定位步骤。本发明的基于智能特高频传感器的GIS局部放电定位方法，可以解决智  全部
背景技术：
GIS(Gas  Insulation  Switchgear，气体绝缘全封闭组合电器)由于占地面积少、 受外界环境影响小、运行安全可靠和维护简单等优点，近几十年来在国内外得到越来越广 泛的应用。但在GIS的制造和装配过程中，由于工艺、设计等问题会使GIS内部留下一些小的 缺陷，如金属微粒、绝缘气隙等，这些微小的缺陷在GIS运行过程中可能会发展为危险的放 电通道，并最终引起绝缘击穿事故。因此，为预防GIS设备的绝缘故障，保障电力系统的安全 运行，对运行中的GIS进行局部放电监测具有十分重要的意义。 传统的GIS特高频在线监测装置由于固定式、成本高、部署接线不便、操作繁琐等 问题，在国网的应用中受到了限制。近年来随着物联网、人工智能等技术的快速发展，局部 放电检测装置已逐渐向智能化方向发展。无线无源的智能传感器拥有部署便捷、安装方便、 成本低的优点，在变配电领域拥有广泛的应用场景。现有的利用特高频技术进行局放源定 位的方法大多应用在带电检测和在线监测设备上，比如中国专利CN201811044918.0公开了 一种电气设备局部放电的定位方法及系统，中国专利CN201710380145.2公开了一种GIS特 高频局部放电在线监测装置的放电源定位方法，中国专利CN201510056192.2公开了一种基 于特高频放电在线监测数据的GIS局部放电定位方法，这些方法需要采集装置拥有很高的 采样频率和频宽，同时必须同步采集多个传感器的信号。而无线无源的智能特高频传感器 受低功耗的限制，传感器采集频次较低，且传感器采集的时间不同步，导致传统的定位方法 无法应用。文献《基于特高频无线智能传感器的局部放电定位法》[杨森，熊俊，郑服利，钟少 泉，罗林根.基于特高频无线智能传感器的局部放电定位法，电气自动化，2017，39(2)：110- 112 115]和《基于特高频无线传感器和模式识别算法的局部放电定位法》[黄辉，黄凤，李春 龙，李臻.基于特高频无线传感器和模式识别算法的局部放电定位法，科学技术与工程， 2018，18(4)：65-70]研究了基于特高频无线传感器的局部放电定位法，但未提及排除空间 电磁干扰的措施，且没有对信号进行同源性分析，无法区分多个放电源，影响定位准确性。
技术实现要素：
本发明的目的是克服现有技术的缺陷，提供一种基于智能特高频传感器的GIS局 部放电定位方法，可以解决智能监测装置因人工复测定位导致的资源耗费问题，利用部署 的智能特高频传感器收集特高频异常信号，在平台端利用本发明的定位方法即可进行缺陷 定位，无需人工复测定位，降低资源投入、提高诊断效率。 实现上述目的的技术方案是：一种基于智能特高频传感器的GIS局部放电定位方 法，包括以下步骤： S1，传感器空间位置关联步骤：在GIS本体上安装若干个局放特高频传感器，在GIS 周围墙壁上安装若干个空间特高频传感，对所有传感器进行编码，根据GIS空间结构、电气 5 CN 111610418 A 说　明　书 2/9 页 连接图和传感器安装位置，将编好码的传感器与GIS空间位置进行关联，建立传感器空间拓 扑图，其中智能传感器是拓扑图的节点，有直接电气连通的两个传感器之间用直线连接构 成拓扑图的边线，边线长度代表相应的两个传感器之间的电气连通的距离； S2，特高频信号异常判断步骤：利用基于深度学习的图谱识别和特高频信号强度 动态阈值诊断相结合的方法判断各传感器的特高频信号是否异常，并将信号异常的传感器 加入异常传感器集； S3，异常传感器关联分析步骤：结合步骤S1中建立的传感器空间拓扑图，对异常传 感器集中的各异常传感器进行信号关联分析，找到异常传感器在信号传播路径上的关联传 感器，具体步骤如下： S31，选择2个异常的传感器； S32，利用Dijkstra算法计算2个异常传感器之间的最短路径； S33，计算最短路径上的传感器数量k，当k≤2时，判断2个异常传感器之间最短路 径上的传感器为关联传感器；当k>2时，判断2个异常传感器之间无关联传感器； S34，重复步骤S31～S33，获得所有异常传感器之间的关联传感器，将关联传感器 加入异常传感器集； S4，多放电源分离步骤：通过对比不同传感器监测数据的特征序列相关性来进行 同源性分析，判断数据的同源性并分离多个局放源，构建社区网络，根据社区网络确定信号 社区，完成放电源的分离； S5，干扰信号排除步骤：通过对信号社区中各传感器的特高频数据信号强度进行 对比，排除干扰信号，实现电气设备内部局放信号的有效识别； S6，局放源定位步骤：通过对比信号社区中不同位置传感器采集的信号强度，判断 该信号社区中局放源的大致位置，对内部局放缺陷进行定位。 上述的一种基于智能特高频传感器的GIS局部放电定位方法，步骤S1中，所述传感 器空间拓扑图不仅包括传感器与GIS的空间位置信息，还包括局部放电信号传播路径上各 传感器的电气连接信息。 上述的一种基于智能特高频传感器的GIS局部放电定位方法，步骤S2具体包括以 下步骤： S21，智能特高频传感器自启动进行数据采集，获得特高频图谱数据； S22，利用基于深度学习的图谱识别方法对特高频图谱数据进行诊断，判断图谱数 据是否存在异常，识别出采集到异常数据的传感器； S23，计算数据异常的传感器采集的特高频信号强度： Vi＝Ni×Fi 式中：Vi为传感器第i次采集的特高频信号强度；Ni和Fi分别为特高频传感器第i次 采集数据的脉冲个数和平均放电幅值； S24，计算数据异常的特高频传感器第i次前采集数据的累积平均信号强度： 式中：t为累积时间窗口长度，表示选取的累积次数；Nj为特高频传感器第j次采集 6 CN 111610418 A 说　明　书 3/9 页 正常数据的脉冲个数；Fj为特高频传感器第j次采集正常数据的平均放电幅值； S25，对数据异常的传感器进行筛选，当Vi>Vj时，将该传感器加入异常传感器集。 上述的一种基于智能特高频传感器的GIS局部放电定位方法，步骤S4中，所述特征 序列包括日均放电幅值序列和日均放电次数序列；步骤S4具体包括以下步骤： S41，结合步骤1中的传感器空间拓扑图，抽取出异常传感器集中的各传感器，形成 异常传感器拓扑图； S42，同源性分析：根据电磁波衰减特性，同一放电源发出的电磁波信号强度会沿 着传播路径发生不同程度的衰减，但其变化趋势相同，通过对比不同传感器监测数据的特 征序列相关性来进行同源性分析，同源性分析的具体步骤如下： S421，获取异常传感器集中传感器历史m天的局部放电监测数据； S422，计算历史m天的日均放电幅值序列和日均放电次数序列； S423，对日均放电幅值序列和日均放电次数序列进行归一化处理，归一化公式为： 式中，x*为特征序列中各向量归一化后的值，x为特征序列中各向量的值，xmin为特 征序列中向量的最小值，xmax为特征序列中向量的最大值； 将特征序列中各向量进行归一化处理后，得到归一化的日均放电幅值序列和日均 放电次数序列； S424，计算异常传感器拓扑图中各传感器之间的日均放电幅值相似度rc和日均放 电次数相似度rd，计算公式如下： 式中r为A、B传感器特征序列的相似度，A(t)为A传感器的特征序列， 为A(t)的均 值序列，B(t)为B传感器的特征序列， 为B(t)的均值序列； S425，判断信号的同源性：当相似度满足下式时判断两个传感器监测到的异常数 据具有相关性，来自同一放电源： rc∩rd>δ 式中δ为相似度阈值，0.6≤δ≤0.9； S43，构建单个社区网络：将判断为同一放电源的两个传感器作为社区网络的节 点，两节点之间添加一条边线形成1个单个社区网络； S44，重复步骤S43，得到其它节点之间的单个社区网络，并不断地合并重叠所有的 单个社区网络得到最终的社区网络； S45，放电源分离：根据最终的社区网络确定信号社区，完成放电源的分离；社区网 络中有边相连的节点形成1个信号社区，无边相连的节点单独形成1个信号社区，每个信号 社区对应一个异常信号源。 上述的一种基于智能特高频传感器的GIS局部放电定位方法，步骤S5具体包括以 下步骤： 7 CN 111610418 A 说　明　书 4/9 页 S51，查看信号社区中是否包含空间特高频传感器，如果不包含则判断该信号社区 的放电源为内部局部放电，如果包含则进入步骤S52； S52，调节传感器的采集频次，同一时刻触发采集n组特高频异常数据，对空间特高 采集的数据进行过滤，去除噪声干扰； S53，计算信号社区中各特高频传感器的信号强度均值，信号强度均值计算公式如 下： 其中VAv为传感器A的信号强度均值；NAi为传感器A第i组信号的脉冲个数；FAi为传 感器A第i组信号的平均放电幅值；n为异常传感器组采集的异常数据组数； S54，对比各传感器信号强度均值，如果空间特高频传感器的信号强度均值最大， 则判断该信号社区的放电源为外部干扰信号；如果局放特高频传感器的信号强度均值最 大，则判断该信号社区的放电源为内部局放信号。 上述的一种基于智能特高频传感器的GIS局部放电定位方法，步骤S6具体包括以 下步骤： S61，根据步骤5中信号强度均值计算公式，得到信号社区中信号强度均值最大的 局放特高频传感器A和次大的局放特高频传感器B，结合步骤S1中的传感器空间拓扑图，得 到与局放特高频传感器A和局放特高频传感器B有直接电气连接的气室为疑似放电气室；同 时将只安装1个局放特高频传感器A的气室列为疑似放电气室； S62，利用局放特高频传感器A和局放特高频传感器B之间的中垂线对疑似放电气 室进行分割，得到中垂线和局放特高频传感器A之间的区域为疑似放电区域；若疑似放电气 室仅部署一个局放特高频传感器，则该气室无需分割即为疑似放电区域； S63，通过步骤S62得到s个疑似放电区域，判断s个疑似放电区域的交集为局放源 所处区域；若s个疑似放电区域无交集，则判断s个疑似放电区域的并集为局放源所处区域。 本发明的基于智能特高频传感器的GIS局部放电定位方法，具有以下有益效果： (1)相对于传统的在线监测装置，无线无源智能传感器拥有安装方便、成本低等优 点，其数量及位置可根据设备状态进行灵活部署，通过本发明的定位方法可通过部署无线 无源智能传感器实现局放源的定位，有效降低资源投入、提高检测的灵活性和工作效率； (2)本发明的定位方法可应用于基于物联网的监测体系中，有效解决现有局放源 定位方法繁琐、人员专业素质要求高的问题，通过在平台应用定位算法，可有效提高诊断效 率和智能化水平，减小局放定位的工作量，具有广泛的应用场景； (3)本发明采用传感器的空间位置信息和采集数据的特征信息对多放电源进行分 离，在多放电源和复杂电磁干扰的环境下，可对放电源进行有效识别、排除空间干扰，提高 局部放电源定位的准确率； (4)本发明的定位方法对多个传感器数据采集的同步性无要求，应用范围广。 附图说明 图1为本发明的基于智能特高频传感器的GIS局部放电定位方法的流程图； 图2为本发明的基于智能特高频传感器的GIS局部放电定位方法的干扰信号排除 8 CN 111610418 A 说　明　书 5/9 页 步骤的流程图； 图3为传感器位置信息示意图； 图4为传感器空间拓扑图； 图5为异常传感器拓扑图； 图6为异常传感器社区网络的示意图； 图7为隔离开关气室的结构示意图。