基于神经网络自适应训练的输电电缆局放检测技术

摘要

为了提升输电电缆局部放电(简称局放)检测的准确性和可靠性，解决传统方法因无法学习不同放电模式特征而导致检测偏差的问题，提出了一种基于神经网络自适应训练的输电电缆局放检测技术。首先，在自适应小波变换点基础上生成约束条件，按照小波函数簇传递关系输出Sigmoid函数，利用神经网络自适应训练获取特征检测适应度，构建电缆局放特征提取模型；其次，对提取的局放特征进行经验模态分解，获取多尺度能量特征；最后，将分解得到的多尺度能量特征作为基础，计算局放检测序列的样本均值序列，实现输电电缆局放检测。结果表明：所提电缆局放特征提取模型在不同升压条件下的输出脉冲幅值均稳定在100～170 pC范围内，有效捕捉了局放信号的时频特征；经验模态分解方法能够成功从复杂局放信号中分离出本质模态分量；在针对电缆本体绝缘划伤、尖端放电和电缆受潮3类缺陷的检测中，所提技术的局部放电量聚集范围与预设范围的拟合度均超过95%,有效解决了混叠干扰下的信号识别难题；与传统方法相比，所提技术能够更精准地匹配预设的局部放电量范围，具有更高的检测准确性和可靠性。该研究可为输电电缆局放检测提供一种高精度、高可靠性的解决方案，为保障电力系统安全稳定运行提供有效的技术支撑。

关键词

电力电子技术 / 神经网络 / 自适应训练 / 输电电缆 / 局放检测 / 自适应小波变换