一种空气型开关柜中绝缘子表面金属污秽模型搭建系统的制作方法

计算;推算;计数设备的制造及其应用技术1.本发明涉及空气型开关柜技术领域，更具体地说，本发明涉及一种空气型开关柜中绝缘子表面金属污秽模型搭建系统。背景技术：2.随着电网日益扩大以及配电房无人值班管理模式和综合自动化的普及与推广，开关柜故障造成的停电事故给生产和生活带来的影响及损失也越来越大，开关柜在长期运行中必然存在电的、热的、化学的及异常状况下形成的绝缘劣化，导致电气绝缘强度降低，甚至发生故障，且近年来的许多突发事故多是由局部放电所致，在长期高温、高电压、振动、潮湿等的作用下，开关柜内金属件由于制造中潜伏的缺陷或者运行中产生的缺陷，引起局部放电的发生，实践表明，局部放电是导致设备绝缘劣化，发生绝缘故障的主要原因。3.而空气型开关柜属于半开放型设备，与外界存在一定缝隙，现场作业以及检修空气型开关柜后有可能在柜内留下一定数量的金属微粒，这些微粒大多数不会引起局部放电，但由于设备长期运行中存在机械振动，而微粒质量较轻，会导致微粒缓慢的移动累积，有些微粒会移动累积到绝缘子表面，并形成吸附作用，最终形成固定在绝缘子表面的金属污秽缺陷，这种缺陷的表面存在电荷累积效应，当形成一定规模后会加速电场畸变，从而形成沿着绝缘子表面金属的局部放电，放电严重时还会形成闪络，严重危害空气型开关柜的正常运行。4.目前，对于空气型开关柜中绝缘子表面金属污秽，一般通过定期抽检绝缘子表面污秽的密度和位置，此方法需要在现场进行检测，操作繁琐、检测过程耗时较长，无法实时反应污秽在绝缘子表面的实际情况，同时也无法在绝缘子受到污秽的不利影响时及时的了解到，因此，研究一种新的空气型开关柜中绝缘子表面金属污秽模型搭建系统来解决上述问题具有重要意义。技术实现要素：5.为了克服现有技术的上述缺陷，本发明提供了一种空气型开关柜中绝缘子表面金属污秽模型搭建系统，本发明所要解决的技术问题是：目前，对于空气型开关柜中绝缘子表面金属污秽，一般通过定期抽检绝缘子表面污秽的密度和位置，此方法需要在现场进行检测，操作繁琐、检测过程耗时较长，无法实时反应污秽在绝缘子表面的实际情况，同时也无法在绝缘子受到污秽的不利影响时及时的了解到的问题。6.为实现上述目的，本发明提供如下技术方案：一种空气型开关柜中绝缘子表面金属污秽模型搭建系统，包括数据采集单元，所述数据采集单元的输出端与污秽识别模块的输入端电连接，所述数据采集单元的输出端与分析关联模块的输入端电连接，所述分析关联模块的输出端与神经网络模型建立模块的输入端电连接，所述神经网络模型建立模块的输出端与放电模拟模块的输入电连接，所述分析关联模块的输出端与放电模拟模块的输入端电连接。7.所述放电模拟模块的输出端与优化训练模块的输入端电连接，所述神经网络模型建立模块的输出端与优化训练模块的输入端电连接，所述优化训练模块的输出端与污秽识别模块的输入端电连接，所述污秽识别模块的输出端与状态判断模块的输入端电连接，所述状态判断模块的输出端与警示模块的输入端电连接，所述污秽识别模块的输出端与分布范围获取模块的输入端电连接，所述分布范围获取模块的输出端与实时模型生成模块的输入端电连接。8.作为本发明的进一步方案：所述状态判断模块用于对污秽数据状态的判断，具体计算方法为：9.s1、将数据采集单元采集到的历史数据进行提取，并按照不同的状态分为严重、异常、注意和正常四个集合，分别记为x1，x2，x3，x4，并根据四个集合对不同状态的历史数据进行区分并放置在相应的数据集内，数据集记为xi＝{xi1，xi2，…，xin}，其中n表示抽取的样本个数，xij表示数据集xi中第j个训练样本，并计算各个状态集数据状态量矩阵的正交相关矩阵对ri进行奇异值分解，得到矩阵ri的特征值和特征向量，按从大到小进行排序，如下：10.λi1≥λi2≥…≥λik＞011.αi1，αi2，…，αik为对应的特征向量；12.λi1，λi2，…，λik为对应的特征值；13.s2、确定主成分的向量数量，设有m个主成分能够表征设备状态，令：[0014][0015]使其表示特征值λi1，λi2，…，λim累计贡献90％的置信区间，由此确定m个特征向量作为能够表征状态集的主成分向量αi1，αi2，…，αik；[0016]对于待评价的设备状态信息量y，计算其在各个状态集特征空间的投影：[0017]ωi＝aiy；[0018]计算ωi与所有该状态集信息量在m维特征空间中的归一化投影的距离，取其中的最小值所在的状态集作为该待评价设备的所属状态；[0019]s3、根据上述导则对绝缘子总体评价的规定，得到绝缘子整体状态的计算公式为：[0020][0021]所述警示模块的输出端与数据存储模块的输入端电连接，所述实时模型生成模块的输出端与记录模块的输入端电连接，所述记录模块的输出端与数据存储模块的输入端电连接。[0022]所述警示模块：用于对系统中异常数据信息进行报警提示。[0023]所述数据存储模块：用于对系统中各项数据的管理，同时对系统数据起到存储的作用。[0024]所述记录模块：用于对生成模型数据的上传，使得生成模型数据可以存储至数据存储模块内部。[0025]所述数据采集单元包括实时监测模块、温湿度采集模块、绝缘子污秽紫外监测仪和相关历史数据采集模块，所述实时监测模块、温湿度采集模块、绝缘子污秽紫外监测仪和相关历史数据采集模块的输出端与污秽识别模块的输入端电连接，所述实时监测模块、温湿度采集模块、绝缘子污秽紫外监测仪和相关历史数据采集模块与分析关联模块的输入端电连接。[0026]所述实时监测模块：用于对开关柜外部环境进行实时数据的监测。[0027]所述温湿度采集模块：用于对开关柜内部温湿度环境参数进行实时捕捉获取。[0028]所述绝缘子污秽紫外监测仪：用于对绝缘子污秽的实时监测。[0029]所述相关历史数据采集模块：用于对历史数据的相关信息数据进行检测。[0030]作为本发明的进一步方案：所述分析关联模块：用于对所采集的各项数据信息进行影响分析关联。[0031]所述神经网络模型建立模块：用于对采集的相关参数信息进行模拟训练。[0032]所述放电模拟模块：则通过实验的方式对数据信息进行训练模拟。[0033]所述优化训练模块：用于对各项数据再进一步进行优化处理。[0034]作为本发明的进一步方案：所述污秽识别模块：以相关数据的优化训练为基础进行对污秽相关数据信息的识别。[0035]所述分布范围获取模块：用于对污秽分布范围进行定位并获取相关数据信息。[0036]所述实时模型建立模块：用于根据采集的数据信息进行绝缘子污秽模型的生成和建立。[0037]作为本发明的进一步方案：所述污秽识别模块采用最小二乘支持向量机算法建立污秽等级识别模型，进而对绝缘子金属污秽进行识别。[0038]作为本发明的进一步方案：所述相关历史数据采集模块用于对相关历史数据进行采集，具体步骤为：调研开关柜厂家及应用单位，收集空气型开关柜典型潜伏性故障案例，结合空气型开关柜的结构特征及内部设备排布，研究空气型开关柜典型潜伏性故障形成机理、影响因素以及典型特征和故障产物。[0039]作为本发明的进一步方案：所述分析关联模块用于对采集到的数据进行分析和关联处理，具体为：结合典型空气型开关柜结构特征，建立开关柜仿真模型，考虑开关柜内部对流、扩散的影响，仿真分析空气型开关柜典型故障特征产物分布规律，对比模拟实验平台结果，总结空气型开关柜潜伏性故障产物分布与故障类型的一般物理规律，并对这些规律数据进行关联处理。[0040]作为本发明的进一步方案：所述状态判断模块用于对绝缘子表面的状态进行判断，当绝缘子表面的状态属于严重、异常或注意时，通过警示模块对相关人员进行警示处理。[0041]本发明的有益效果在于：[0042]1、本发明通过对绝缘子环境参数信息的获取，并采用神经网络训练法进行数据训练，再采用实验模拟的方式进行数据模拟训练，根据两者的输出结果进一步进行数据信息模型优化训练，以此通过对数据的多次模型训练可以提高数据输出结果的精确性，此时配合污秽识别模块实现对污秽的精准识别，并进行绝缘子污秽分布数据的获取，最后根据实时获取数据建立实时污秽模型，达到了模型建立的实效性，且操作简单，降低检测所耗时长，进而可以实时得知污秽在绝缘子表面的实时情况；[0043]2、本发明通过在污秽识别模块通过数据信息获取相关污秽后，则通过状态判断模块进行污秽等级判断，若污秽等级较高，则通过警示模块可以进行报警的作业，以此达到及时报警提示的作用，确保对绝缘子污秽的及时清理，保障绝缘子的正常运行。附图说明[0044]图1为本发明系统的流程结构示意图；[0045]图2为本发明数据采集单元的示意图；[0046]图3为本发明绝缘子表面污秽缺陷模型示意图；[0047]图中：1高压端、2绝缘子、3接地电极、4金属污秽。具体实施方式[0048]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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。[0049]如图1-3所示，本发明提供了一种空气型开关柜中绝缘子表面金属污秽模型搭建系统，包括数据采集单元，通过设置数据采集单元，进而可以对绝缘子所处环境参数进行实时采集，数据采集单元的输出端与污秽识别模块的输入端电连接，数据采集单元的输出端与分析关联模块的输入端电连接，分析关联模块的输出端与神经网络模型建立模块的输入端电连接，神经网络模型建立模块的输出端与放电模拟模块的输入电连接，分析关联模块的输出端与放电模拟模块的输入端电连接，通过设置神经网络模型建立模块、放电模拟模块和优化训练模块，则可以采用神经网络算法及实验数据进行数据模拟训练，并通过优化训练模块对两者再次进行优化模型训练，以此可以进一步提高输出结果的精确性，确保后续对污秽识别的精准性。[0050]放电模拟模块的输出端与优化训练模块的输入端电连接，神经网络模型建立模块的输出端与优化训练模块的输入端电连接，优化训练的过程中，首先选定训练集和测试集，并对训练集和测试集进行归一化处理，然后通过交叉验证选择最佳参数进行优化，并通过分类训练正确率和测试集，预测正确率来调整初始参数以获取最佳参数，最后根据修正后的最佳参数来训练神经网络模型，提高模型绝缘缺陷类型识别正确率，然后引入遗传算法对人工神经网络进行优化：由遗传算法确定最优连接权值和阈值分布，将其作为人工神经网络初始参数用于模型预测，优化训练模块的输出端与污秽识别模块的输入端电连接，污秽识别模块的输出端与状态判断模块的输入端电连接，状态判断模块的输出端与警示模块的输入端电连接，污秽识别模块的输出端与分布范围获取模块的输入端电连接，通过设置状态判断模块和警示模块，在状态判断模块对污秽等级进行分级后，并判断污秽等级的高度，则在等级处于危险区域时自动通过警示模块触发报警的操作，分布范围获取模块的输出端与实时模型生成模块的输入端电连接。[0051]状态判断模块用于对污秽数据状态的判断，具体计算方法为：[0052]s1、将数据采集单元采集到的历史数据进行提取，并按照不同的状态分为严重、异常、注意和正常四个集合，分别记为x1，x2，x3，x4，并根据四个集合对不同状态的历史数据进行区分并放置在相应的数据集内，数据集记为xi＝{xi1，xi2，…，xin}，其中n表示抽取的样本个数，xij表示数据集xi中第j个训练样本，并计算各个状态集数据状态量矩阵的正交相关矩阵对ri进行奇异值分解，得到矩阵ri的特征值和特征向量，按从大到小进行排序，如下：[0053]λi1≥λi2≥…≥λik＞0[0054]αi1，αi2，…，αik为对应的特征向量；[0055]λi1，λi2，…，λik为对应的特征值。[0056]s2、确定主成分的向量数量，设有m个主成分能够表征设备状态，令：[0057][0058]使其表示特征值λi1，λi2，…，λim累计贡献90％的置信区间，由此确定m个特征向量作为能够表征状态集的主成分向量αi1，αi2，…，αik；[0059]对于待评价的设备状态信息量y，计算其在各个状态集特征空间的投影：[0060]ωi＝aiy；[0061]计算ωi与所有该状态集信息量在m维特征空间中的归一化投影的距离，取其中的最小值所在的状态集作为该待评价设备的所属状态。[0062]s3、根据上述导则对绝缘子总体评价的规定，得到绝缘子整体状态的计算公式为：[0063][0064]警示模块的输出端与数据存储模块的输入端电连接，实时模型生成模块的输出端与记录模块的输入端电连接，记录模块的输出端与数据存储模块的输入端电连接。[0065]警示模块：用于对系统中异常数据信息进行报警提示。[0066]数据存储模块：用于对系统中各项数据的管理，同时对系统数据起到存储的作用。[0067]记录模块：用于对生成模型数据的上传，使得生成模型数据可以存储至数据存储模块内部。[0068]数据采集单元包括实时监测模块、温湿度采集模块、绝缘子污秽紫外监测仪和相关历史数据采集模块，实时监测模块、温湿度采集模块、绝缘子污秽紫外监测仪和相关历史数据采集模块的输出端与污秽识别模块的输入端电连接，实时监测模块、温湿度采集模块、绝缘子污秽紫外监测仪和相关历史数据采集模块与分析关联模块的输入端电连接，相关历史数据还包括通过实验进行相关数据采集，具体实验步骤为：利用脉冲电流法对绝缘缺陷模型进行放电量的校准，通过逐步升压法确定电压梯度或微粒颗数调节放电量，并测量各实验组的pd特性，采集统计相关数据。[0069]实时监测模块：用于对开关柜外部环境进行实时数据的监测。[0070]温湿度采集模块：用于对开关柜内部温湿度环境参数进行实时捕捉获取。[0071]绝缘子污秽紫外监测仪：用于对绝缘子污秽的实时监测。[0072]相关历史数据采集模块：用于对历史数据的相关信息数据进行检测。[0073]分析关联模块：用于对所采集的各项数据信息进行影响分析关联。[0074]神经网络模型建立模块：用于对采集的相关参数信息进行模拟训练。[0075]放电模拟模块：则通过实验的方式对数据信息进行训练模拟。[0076]优化训练模块：用于对各项数据再进一步进行优化处理。[0077]污秽识别模块：以相关数据的优化训练为基础进行对污秽相关数据信息的识别。[0078]分布范围获取模块：用于对污秽分布范围进行定位并获取相关数据信息。[0079]实时模型建立模块：用于根据采集的数据信息进行绝缘子污秽模型的生成和建立。[0080]污秽识别模块采用最小二乘支持向量机算法建立污秽等级识别模型，进而对绝缘子金属污秽进行识别。[0081]相关历史数据采集模块用于对相关历史数据进行采集，具体步骤为：调研开关柜厂家及应用单位，收集空气型开关柜典型潜伏性故障案例，结合空气型开关柜的结构特征及内部设备排布，研究空气型开关柜典型潜伏性故障形成机理、影响因素以及典型特征和故障产物。[0082]分析关联模块用于对采集到的数据进行分析和关联处理，具体为：结合典型空气型开关柜结构特征，建立开关柜仿真模型，考虑开关柜内部对流、扩散的影响，仿真分析空气型开关柜典型故障特征产物分布规律，对比模拟实验平台结果，总结空气型开关柜潜伏性故障产物分布与故障类型的一般物理规律，并对这些规律数据进行关联处理。[0083]状态判断模块用于对绝缘子表面的状态进行判断，当绝缘子表面的状态属于严重、异常或注意时，通过警示模块对相关人员进行警示处理。[0084]本发明的工作原理为：[0085]s1、首先通过数据采集单元对绝缘子所处的环境参数进行采集以及过往的历史数据采集，并传递给分析关联模块进行环境参数信息的影响分析，然后数据信息传递给神经网络模型建立模块，则通过神经网络算法进行数据模拟训练，并且放电模拟模块可以进行数据实验模拟的训练，则通过神经网络训练法和实验训练法进行融合处理，并通过优化训练模块综合进行优化模型训练；[0086]s2、然后将得到的精确训练数据传递给污秽识别模块，则通过数据采集单元采集的相关各项数据信息传递给污秽识别模块，此时即可通过精确训练法计算污秽的多少，将计算得出结果传递给状态判断模块，状态判断模块进行污秽等级的分级判断，若污秽等级较高，则将信号传递给警示模块，警示模块则可以进行报警的操作；[0087]s3、最后污秽识别模块将计算得出的结果传递给分布范围获取模块，此时分布范围获取模块可以对绝缘子表面污秽分布的情况进行获取，并传递给实时模型生成模块，此时实时模型生成模块可以建立污秽模型，同时可以根据环境参数的信息实时改变污秽模型，并将建立模型传递给记录模块，此时通过记录模块可以传递给数据存储模块进行数据的存储。[0088]最后应说明的几点是：虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明的基础上，以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!