本发明属于电气工程检测领域，具体涉及一种基于局部放电检测的电容器冲击老化程度预测方法。
背景技术：
电容器是电力系统中使用较为广泛的电力设备之一，在调节线路功率因素方面发挥了重要作用，迄今为止，使用电容器组改善电网功率因数是最经济的解决措施。然而，电容器组的缺点是由于电容是动态元件，在投入电网运行时，如果投入时机不恰当，会在电容器表面产生较高的冲击电压。投切并联电容器所引起的过电压对并联电容器造成损害，导致电容器介质强度和绝缘水平的下降。近年来，尽管电力电容器的制造工艺得到了巨大的提升，介质强度进一步强化，但是电容器老化，损害现象时有发生，严重影响了经济甚至人身安全，而电容器老化一般发生在内部，现有对电容器老化检测的手段大多都是离线检测，不利于线路经济运行。
目前对于电容器冲击老化的寿命预计方法还鲜有研究，由于电容器冲击电压老化后出现的损伤及其微小，且大多数位于电容器内部，人眼无法识别，目前对电容器老化检测的方法主要是进行局放试验和电容内气体分解产物等，但是这些方法需要将电力电容器退出电力系统进行离线检测，难免会消耗大量的人力，物力，检测起来过于复杂，此外衡量电容器老化程度的准则较为单一，不能综合考量多种特征量共同作用下的结果。
技术实现要素：
针对现有技术中的上述不足，本发明提供的一种基于局部放电检测的电容器冲击老化程度预测方法解决了现有电容器冲击老化的寿命预计方法将电力电容器退出电力系统进行离线检测，造成消耗大量的人力和物力，检测起来过于复杂的问题，以及不能综合考量多种特征量的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于局部放电检测的电容器冲击老化程度预测方法，包括以下步骤：
s1、对多个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到多个老化试品电容器；
s2、对多个老化试品电容器进行局部放电检测，得到归一化训练数据矩阵；
s3、构建并训练评估模型，得到训练完成的评估模型；
s4、将冲击电压老化电容器的局部放电特征量构成输入数据矩阵，并将输入数据矩阵输入训练完成的评估模型，得到冲击电压老化电容器的老化程度，实现直流输电系统电容器老化程度检测。
进一步地，步骤s1包括以下分步骤：
s11、设置n种不同缺陷的试品电容器，每种缺陷的试品电容器有m个；
s12、对m×n个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到m×n个老化试品电容器。
进一步地，步骤s1中操作冲击电压为：电容器在投切中，电容器所承受的暂态操作过电压。
进一步地，步骤s2包括以下分步骤：
s21、对多个老化试品电容器加上电压，进行局部放电检测，将检测到的局部放电特征量构建为局部放电特征矩阵，得到每种缺陷老化试品电容器的局部放电特征矩阵；
s22、采用筛选法对每种缺陷老化试品电容器的局部放电特征矩阵的列向量进行筛选，将相关度高的列向量构建为新的局部放电特征矩阵，在新的局部放电特征矩阵加入冲击电压老化次数、环境变量和浪涌电压，得到每种缺陷老化试品电容器的训练数据矩阵；
s23、对每种缺陷老化试品电容器的训练数据矩阵进行归一化处理，得到矩阵元素范围为(-1，1)的归一化训练数据矩阵。
上述进一步方案的有益效果为：电容投切过程中的浪涌电压和环境变量的加入，提高了评估模型的性能，对电容器寿命预测提供了依据。
进一步地，步骤s21中局部放电特征量包括：单位时间内局部放电次数、局部放电出现的最小电压和局部放电峰值。
进一步地，步骤s22中环境变量包括：老化试品电容器所处的位置温度和大气湿度。
进一步地，步骤s22中浪涌电压包括：老化试品电容器受到冲击后的浪涌电压幅值、浪涌电压频率和浪涌电压谐波次数。
进一步地，步骤s3包括以下分步骤：
s31、构建标签数据矩阵，在标签数据矩阵和归一化训练数据矩阵中选择相同老化程度的标签数据矩阵和归一化训练数据矩阵，构建数量不低于10的相同老化程度的样本；
s32、根据局部放电特征量与老化损伤程度对应关系，采用ann算法，建立评估模型；
s33、初始化评估模型的模型参数；
s34、采用样本对评估模型进行训练；
s35、判断训练过程中评估模型的输出与预测结果的差值是否小于设定阈值，若是，则得到训练完成的评估模型，若否，则跳转至步骤s36；
s36、基于差值自适应调节模型参数，并跳转至步骤s34对评估模型进行再次训练。
进一步地，步骤s4包括以下分步骤：
s41、将冲击电压老化电容器的浪涌电压幅值、浪涌电压频率和浪涌电压谐波次数构成输入数据矩阵；
s42、将输入数据矩阵输入训练完成的评估模型，得到冲击电压老化电容器的老化程度，实现直流输电系统电容器老化程度检测。
本发明的有益效果为：本发明提出了一种电容器冲击电压老化程度检测方法，主要依靠局放设备对老化后电容器进行检测，获取多种特征变量，构建相关网络模型，找到电力电容器运行时长，环境信息等与特征量之间联系，具有以下优点：
(1)本发明利用筛选法提取出了能够更好表示电容器电老化的特征变量来组成模型的训练数据矩阵，减少无用特征量对老化程度的评估干扰。
(2)利用多种特征量综合考察电容器老化程度，搭建评估模型，自适应调节模型参数，提高了模型准确度，获得比较准确的结果。
(3)相比传统的电容器老化离线检测方法，本发明测量可靠性高，速度快，在线式检测，并且可以根据电容器运行时长预估电容器寿命。
附图说明
图1为一种基于局部放电检测的电容器冲击老化程度预测方法的流程图；
图2为本发明一实施例的电容器冲击老化程度评估结果示例图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于局部放电检测的电容器冲击老化程度预测方法，包括以下步骤：
s1、对多个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到多个老化试品电容器；
步骤s1中操作冲击电压为：电容器在投切中，电容器所承受的暂态操作过电压，电压幅值与投切时间密切相关，具体可采用电网电压峰值时投入所产生的操作过电压。
步骤s1包括以下分步骤：
s11、设置n种不同缺陷的试品电容器，每种缺陷的试品电容器有m个，缺陷类型包括：无缺陷电容器、内部缺陷和接触缺陷等；
s12、对m×n个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到m×n个老化试品电容器。
在本实施例中，设置5种不同缺陷的试品电容器，每种缺陷的试品电容器分别有100个，对5×100个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到5×100个老化试品电容器。
s2、对多个老化试品电容器进行局部放电检测，得到归一化训练数据矩阵；
步骤s2包括以下分步骤：
s21、对多个老化试品电容器加上电压，采用局放仪进行局部放电检测，将检测到的局部放电特征量构建为局部放电特征矩阵，得到每种缺陷老化试品电容器的局部放电特征矩阵；
在本实施例中，局部放电特征量包括：单位时间内局部放电次数、局部放电出现的最小电压和局部放电峰值等q个特征，得到n个m×q阶的局部放电特征矩阵。
式中，
在本实施例中，检测到32个特征，即q＝32，则得到5种缺陷的老化试品电容器的局部放电特征矩阵；局部放电特征矩阵为100×32阶矩阵。
s22、采用筛选法对每种缺陷老化试品电容器的局部放电特征矩阵的列向量进行筛选，将相关度高的列向量构建为新的局部放电特征矩阵，例如，可选用局部放电时长、单位时间内局部放电次数和局部放电峰值等列向量，在新的局部放电特征矩阵加入冲击电压老化次数t、环境变量p和浪涌电压w，得到每种缺陷老化试品电容器的训练数据矩阵；
其中，
在本实施例中，筛选出相关度高的24个列向量，得到5个100×24阶新的局部放电特征矩阵，在加入冲击电压老化次数、环境变量和浪涌电压3个列向量后，得到5种不同缺陷的训练数据矩阵，各为100×27阶。
步骤s22中环境变量包括：老化试品电容器所处的位置温度和大气湿度。
步骤s22中浪涌电压包括：老化试品电容器受到冲击后的浪涌电压幅值、浪涌电压频率和浪涌电压谐波次数。
s23、对每种缺陷老化试品电容器的训练数据矩阵进行归一化处理，得到矩阵元素范围为(-1，1)的归一化训练数据矩阵。
s3、构建并训练评估模型，得到训练完成的评估模型；
步骤s3包括以下分步骤：
s31、构建标签数据矩阵，在标签数据矩阵和归一化训练数据矩阵中选择相同老化程度的标签数据矩阵和归一化训练数据矩阵，构建数量不低于10的相同老化程度的样本；
在本实施例中，根据不同缺陷的老化试品电容器运行时间及其寿命评估，确定其标签分别定为30年，25年，20年，15年，10年。标签数据矩阵维度100×1，共有五组。
在本实施例中，选取电容器投切次数在5-70次内，共400个样品作为样本，自适应算法的spread为10。
s32、根据局部放电特征量与老化损伤程度对应关系，采用ann算法，建立评估模型；
s33、初始化评估模型的模型参数；
s34、采用样本对评估模型进行训练；
s35、判断训练过程中评估模型的输出与预测结果的差值是否小于设定阈值，若是，则得到训练完成的评估模型，若否，则跳转至步骤s36；
s36、基于差值自适应调节模型参数，并跳转至步骤s34对评估模型进行再次训练。
在本实施例中，根据长期运行温度的不同，划分为两种类型，分别为10℃，20℃，每种温度根据投切次数不同各取10个，共20个数据作为预测结果来计算预测相对误差；最终得到20个样本rmse为1.1523，如图2所示。
s4、将冲击电压老化电容器的局部放电特征量构成输入数据矩阵，并将输入数据矩阵输入训练完成的评估模型，得到冲击电压老化电容器的老化程度，实现直流输电系统电容器老化程度检测。
步骤s4包括以下分步骤：
s41、将冲击电压老化电容器的浪涌电压幅值、浪涌电压频率和浪涌电压谐波次数构成输入数据矩阵；
s42、将输入数据矩阵输入训练完成的评估模型，得到冲击电压老化电容器的老化程度，实现直流输电系统电容器老化程度检测。
1.一种基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，包括以下步骤：
s1、对多个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到多个老化试品电容器；
s2、对多个老化试品电容器进行局部放电检测，得到归一化训练数据矩阵；
s3、构建并采用归一化训练数据矩阵训练评估模型，得到训练完成的评估模型；
s4、将冲击电压老化电容器的局部放电特征量构成输入数据矩阵，并将输入数据矩阵输入训练完成的评估模型，得到冲击电压老化电容器的老化程度，实现直流输电系统电容器老化程度检测。
2.根据权利要求1所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s1包括以下分步骤：
s11、设置n种不同缺陷的试品电容器，每种缺陷的试品电容器有m个；
s12、对m×n个试品电容器施加冲击电压发生器模拟直流输电系统中电容器投切中承受的操作冲击电压，得到m×n个老化试品电容器。
3.根据权利要求1所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s1中操作冲击电压为：电容器在投切中，电容器所承受的暂态操作过电压。
4.根据权利要求1所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s2包括以下分步骤：
s21、对多个老化试品电容器加上电压，进行局部放电检测，将检测到的局部放电特征量构建为局部放电特征矩阵，得到每种缺陷的老化试品电容器的局部放电特征矩阵；
s22、采用筛选法对每种缺陷的老化试品电容器的局部放电特征矩阵的列向量进行筛选，将相关度高的列向量构建为新的局部放电特征矩阵，在新的局部放电特征矩阵加入冲击电压老化次数、环境变量和浪涌电压，得到每种缺陷的老化试品电容器的训练数据矩阵；
s23、对每种缺陷的老化试品电容器的训练数据矩阵进行归一化处理，得到矩阵元素范围为(-1，1)的归一化训练数据矩阵。
5.根据权利要求4所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s21中局部放电特征量包括：单位时间内局部放电次数、局部放电出现的最小电压和局部放电峰值。
6.根据权利要求4所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s22中环境变量包括：老化试品电容器所处的位置温度和大气湿度。
7.根据权利要求4所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s22中浪涌电压包括：老化试品电容器受到冲击后的浪涌电压幅值、浪涌电压频率和浪涌电压谐波次数。
8.根据权利要求1所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s3包括以下分步骤：
s31、构建标签数据矩阵，在标签数据矩阵和归一化训练数据矩阵中选择相同老化程度的标签数据矩阵和归一化训练数据矩阵，构建数量不低于10的相同老化程度的样本；
s32、根据局部放电特征量与老化损伤程度对应关系，采用ann算法，建立评估模型；
s33、初始化评估模型的模型参数；
s34、采用样本对评估模型进行训练；
s35、判断训练过程中评估模型的输出与预测结果的差值是否小于设定阈值，若是，则得到训练完成的评估模型，若否，则跳转至步骤s36；
s36、基于差值自适应调节模型参数，并跳转至步骤s34对评估模型进行再次训练。
9.根据权利要求1所述的基于局部放电检测的电容器冲击老化程度预测方法，其特征在于，所述步骤s4包括以下分步骤：
s41、将冲击电压老化电容器的浪涌电压幅值、浪涌电压频率和浪涌电压谐波次数构成输入数据矩阵；
s42、将输入数据矩阵输入训练完成的评估模型，得到冲击电压老化电容器的老化程度，实现直流输电系统电容器老化程度检测。
技术总结