一种特高压输电线路电晕放电在线监测装置及方法

摘要

本发明公开了一种特高压输电线路电晕放电在线监测装置及方法。所述在线监测装置包括：传感器单元、信号调理单元、信号处理单元、无线通信单元、上位机监控及系统故障诊断单元、系统电源单元。所述方法如下：传感器单元完成对输电设备现场工作状态的信号采集，经信号调理单元完成数据类型的转换，得到能够被信号处理单元CPU识别的有用信号，信号处理单元将经过处理的数据经过串口发送至无线通信单元，由上位机服务器进行接收并进行故障诊断，给出设备当前运行状态，设备参数以及故障诊断结果。

主权项

1.一种特高压输电线路电晕放电在线监测装置的故障诊断方法，该方法基于的装置包括传感器单元（1）、信号调理单元（2）、信号处理单元（3）、无线通信单元（4）、上位机监控及系统故障诊断单元（5）和系统电源单元（6）；其中传感器单元（1）输出端与信号调理单元（2）的输入端相连；经过信号调理单元（2）的信号输出端与信号处理单元（3）的输入端相连；信号处理单元（3）通过串口和无线通信单元（4）完成双向通信，并经过无线通信单元（4）向上位机监控及系统故障诊断单元（5）上传设备运行的状态信息；上位机监控及系统故障诊断单元（5）完成信号的特征提取及模式识别，显示设备运行参数，工作状态，并记录诊断结果和时间；系统电源单元（6）为传感器单元（1）、信号调理单元（2）、信号处理单元（3）、无线通信单元（4）提供电源；所述的传感器单元（1）包括温湿度传感器、紫外传感器和高频微电流传感器，其中温湿度传感器采集现场环境温度和湿度；紫外传感器采集输电线路产生电晕放电；高频微电流传感器安装于输电线路绝缘子上检测泄露电流；所述的信号调理单元（2）包括前端冲击保护电路，信号放大电路，放大滤波电路，流压转换电路，光电隔离电路，紫外传感器驱动电路，紫外脉冲信号调理电路；其中流压转换电路的输出端、紫外脉冲信号调理电路输出端、光电隔离电路的输出端分别与信号处理单元（3）的输入端相连，紫外传感器驱动电路的输出端接紫外脉冲信号调理电路的输入端，前端冲击保护电路的输出端串接放大滤波电路后接流压转换电路的输入端；其特征在于，所述方法采用如下步骤：A、将信号处理单元（3）、无线通信单元（4）进行初始化；温湿度传感器将相关的温湿度量传送至信号处理单元（3），而后存入相应的寄存器，高频微电流传感器将电流信号经信号调理单元（2）调理后，经采样输送至信号处理单元（3）中进行参数测量，紫外传感器经信号调理单元（2）调理后，输入到信号处理单元（3）进行数据处理，并保存至相应的寄存器中；B、根据D-S证据理论，建立识别框架Θ，其中识别框架Θ={A₁，A₂}包括2个命题：A₁：良好  A₂：放电；特高压输电线路电的运行状态分别由A₁、A₂来表征其放电程度；所建立命题A满足：$\left\{\begin{array}{c}m\left(\Phi \right)=0\\ \underset{A⋐\Theta }{\Sigma }m\left(A\right)=1\end{array}\right.---\left(1\right)$命题A为Θ的非空子集，称为焦元，m(A)称为基本可信数，反映对A的信任度大小；C、建立支持证据区间，拟信区间和拒绝证据区间；D、将采集到的数据信号进行归一化处理，根据基本可信度分配函数BPAF计算：（1）由紫外传感器得到的根据紫外脉冲数目来判断特高压输电线路电晕放电可信度分配函数的函数值；（2）由各高频微电流传感器得到的泄漏电量来判断特高压输电线路电晕放电强度可信度分配函数的函数值；E、针对单传感器多测量周期的信息进行数据融合即时域融合：（a）对于紫外传感器，依据Q个测量周期的累积量测，可得到第s个命题A_s，s=1,2的单传感器融合后验BPAF：$m_1\left(A_s\right)=\frac{\underset{\cap A_n=A_s}{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{1j}\left(A_n\right)}{1-\underset{\cap A_n=\Phi }{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{1j}\left(A_n\right)}=\frac{\underset{\cap A_n=A_s}{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{1j}\left(A_n\right)}{\underset{\cap A_n\ne \Phi }{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{1j}\left(A_n\right)}---\left(3\right)$“未知”命题的融合后验BPAF为：$u_1=\frac{\underset{j=1}{\overset{Q}{\Pi }}{u}_{1j}}{1-\underset{\cap A_n=\Phi }{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{1j}\left(A_n\right)}---\left(4\right)$（b）对于高频微电流传感器，依据Q个测量周期的累积量测，可得到第s个命题A_s，s=1,2的单传感器融合后验BPAF为：$m_2\left(A_s\right)=\frac{\underset{\cap A_n=A_s}{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{2j}\left(A_n\right)}{1-\underset{\cap A_n=\Phi }{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{2j}\left(A_n\right)}=\frac{\underset{\cap A_n=A_s}{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{2j}\left(A_n\right)}{\underset{\cap A_n\ne \Phi }{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{2j}\left(A_n\right)}---\left(5\right)$“未知”命题的融合后验BPAF为：$u_2=\frac{\underset{j=1}{\overset{Q}{\Pi }}{u}_{2j}}{1-\underset{\cap A_n=\Phi }{\Sigma }\underset{j=1}{\overset{Q}{\Pi }}{m}_{2j}\left(A_n\right)}---\left(6\right)$F、两传感器信息融合即空域融合：将两个传感器看作一个传感器系统，在以上单传感器Q个测量周期信息进行信息融合的基础上，再将两个传感器进行信息融合，可得到第s个命题A_s，s=1,2的BPAF为：$m\left(A_s\right)=\frac{\underset{\cap A_n=A_s}{\Sigma }{m}_1\left(A_n\right)·m_2\left(A_n\right)}{1-\underset{\cap A_n=\Phi }{\Sigma }{m}_1\left(A_n\right)·m_2\left(A_n\right)}---\left(7\right)$“未知”命题的融合后验BPAF为：$u=\frac{u_1·u_2}{1-\underset{\cap A_n=\Phi }{\Sigma }{m}_1\left(A_n\right)·m_2\left(A_n\right)}---\left(8\right)$G、上位机监控及系统故障诊断单元（5）决策，给出故障诊断结果：设满足：$m=\left(A_1\right)=\max \{m\left(A_i\right),A_i⋐\Theta \}---\left(9\right)$$m=\left(A_2\right)=\max \{m\left(A_i\right),A_i⋐\mathrm{\Theta and}{A}_i\ne A_1\}---\left(10\right)$若有：$\left\{\begin{array}{c}m=\left(A_1\right)-m\left(m_2\right)>{ϵ}_1\\ m\left(u\right)<{ϵ}_2\\ m\left(A_1\right)>m\left(u\right)\end{array}\right.---\left(11\right)$则A₁为判决结果，其中ε₁，ε₂为预先设定的门限。