基于电力北斗系统的高压电力终端局部放电监测算法设计

张小东; 张益明; 杨启帆; 王关霖; 顾冰凌

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (4) : 1 -9.

张小东, 张益明, 杨启帆, 王关霖, 顾冰凌

作者信息 +

Author information +

文章历史 +

摘要

【目的】当前高压电力终端线路局部放电监测装置存在局部放电模式误判、误报率较高的问题，且无法对无通信信号覆盖区域实现实时局部放电监测。为此，本文基于电力北斗系统与改进DBN模型，开展高压电力终端局部放电监测算法研究。【方法】本文提出的高压电力终端局部放电监测算法，主要包括基于电力北斗系统的数据采集与同步，以及基于灰度图矩-KHA-DBN的局部放电模式识别与定位两部分。在数据采集与同步阶段，利用北斗系统短报文通信与定位功能，实现无通信信号覆盖区域内电力终端监测数据的实时传输，并同步携带监测设备的地理位置信息；同时利用北斗系统同步授时功能，完成多终端传感器采集时间的统一校准，提高多区域监测数据共享的同步性，进而依靠数据的时空特性提升局部放电定位精度。局部放电模式识别与定位阶段主要涉及数据采集、特征提取与模式识别3个环节。通过分析局部放电模式与产生机理，设置内部放电、沿面放电、电晕放电与悬浮放电4种典型局部放电模式，并采用高频电流法采集上述4种放电模式信号与设备正常状态信号；为降低多类放电模式模态混叠的影响，采用空间关系特征增强方法，将监测数据时频分布图划分为若干区域，分别提取3个低阶灰度特征参数；基于多尺度排列熵理论选取合适的尺度参数，对强时序特征数据进行细化处理并计算熵值，进一步增强多尺度数据特征的独立性。本文采用改进KHA优化DBN参数，并将优化结果作为DBN初始参数。具体而言，首先通过Logistic混沌映射生成KHA初始种群，再采用高斯变异操作更新IK适应度值以完成KHA参数寻优；在确定DBN初始参数后，利用训练样本集对DBN模型进行训练，并分析不同隐藏层数与节点数对识别准确率的影响；最后确定灰度图矩-KHA-DBN局部放电模式识别算法的最优结构。【结果】搭建模型训练数据采集试验平台，采用与实际场景数据规模相当的样本开展测试，分析了隐藏层数与节点数对局部放电模式识别准确率的影响，确定最优隐藏层数为5、节点数为26。与基于极限学习机、支持向量机的局部放电模式识别算法相比，本文算法的平均识别准确率分别提升了4.87%和3.22%,展现出更优的模式识别性能。【结论】本文算法可识别的局部放电模式类型较为齐全，能够满足工程实际应用需求。融合电力北斗系统后，利用北斗系统短报文通信、定位与同步授时功能，可实现电力终端监测数据自动化传输、终端定位与多区域传感器采集时间校准，还可为提高局部放电故障定位精度提供理论支撑。