局部放電是一種常見的電擊現(xiàn)象，表明在長時間操作期間會損壞電氣設(shè)備的絕緣。部放電的類型和大小與缺乏隔離密切相關(guān)，放電信號的識別旨在準確地搜索信號源并判斷其危害性。此，實現(xiàn)局部放電模型識別技術(shù)具有相當?shù)膶W術(shù)價值和工程實用性。著深度學習方法的發(fā)展和不斷發(fā)展，已經(jīng)提出了各種類型的網(wǎng)絡(luò)結(jié)構(gòu)和優(yōu)化算法。度學習方法可以處理大規(guī)模數(shù)據(jù)，使用無監(jiān)督學習來提取輸入特征，并使用深層結(jié)構(gòu)來發(fā)現(xiàn)輸入的深層特征[1]。此，深度學習的發(fā)展及其大規(guī)模應用為部分識別放電模型和故障診斷開辟了新的研究途徑。部放電檢測局部放電檢測方法在實驗數(shù)據(jù)采集過程中，所使用的傳感器是基于Rogowski線圈（羅馬線圈）原理的電流傳感器。Rogowski線圈具有精度高，體積小，成本低等優(yōu)點，適合大批量生產(chǎn)。們已應用于測量設(shè)備，如電子式電流互感器。Rogowski線圈工作。
　　Rogowski的卷軸由一根線組成，并緊緊纏繞在骨架上。圈通常由兩層組成。通過環(huán)骨架的中心測得的電流，電流將在環(huán)形模的橫截面中產(chǎn)生交變磁通，并用當前在線圈的初級側(cè)，這又感應出變化的可變線圈和次級側(cè)的次級繞組上的電流和電動勢。
　　應電動勢與初級側(cè)輸入信號電流成比例的差分關(guān)系，因此采樣電阻器可以連接到次級側(cè)繞組以形成采樣環(huán)路。后可以通過采樣電阻兩端的電壓分析自動積分轉(zhuǎn)換過程。以獲得改變橫向采樣信號的過程的規(guī)律。部放電試驗電動軸放電試驗實驗對于電動軸放電，建立了紙油絕緣模型，并進行了以下實驗。于不同加壓階段的局部放電特性，首先需要測量觀察到的樣品的耐壓特性[3]。模型得到加強和觀察。部放電發(fā)生在約3.5kV AC電壓的有效值，它是局部放電初始階段的一部分。電次數(shù)和放電量很小。
　　右，均勻隨機分布。電壓的有效值約為6kV時，局部放電的放電次數(shù)大大增加，放電量逐漸增加幾百到幾千pC。逐步顯示工頻相位和放電的分布。
　　部放電逐漸發(fā)展，直到網(wǎng)絡(luò)頻率的完全相位分布和特性逐漸消失。這一點上，我們越來越接近失敗狀態(tài)。了保護碰撞測試設(shè)備，實驗不再增加，而是逐漸將電壓重置為零。
　　后，在6kV的實際值附近測量數(shù)次。泡放電實驗氣泡放電是空氣中針電極的模型[5]。強樣品并觀察排斥的開始，發(fā)展和分解階段。部放電最初出現(xiàn)在90°的工頻頻率附近，并且放電的重復率低。開發(fā)階段期間，礦用電纜在網(wǎng)絡(luò)頻率的正半周期期間，放電重復和放電容量的速率顯著增加。大廢品量逐漸增加約10 nC。繼續(xù)加壓之后，排出分布范圍進一步增加。驗經(jīng)歷了短暫的弧形斷裂，并且通常伴有明亮的聲音。文提取的放電特征量[4]在放電脈沖幅度附近為200點，因此BP網(wǎng)絡(luò)中輸入神經(jīng)元的數(shù)量為200，即BP神經(jīng)網(wǎng)絡(luò)。類型的由相量輸出表示局部放電模式對應于本文中所描述的模擬實驗的兩個放電模型：輸出相量元件是2時，輸出神經(jīng)元的BP網(wǎng)絡(luò)中的數(shù)因此是2并且每個神經(jīng)元對應于放電模式。型表3-1列出了兩種模式的信號。
　　壓網(wǎng)絡(luò)隱藏層中的神經(jīng)元太少或太多將導致神經(jīng)網(wǎng)絡(luò)的學習能力不足或誘導能力低。藏層中的神經(jīng)元太多，網(wǎng)絡(luò)學習能力很強，但網(wǎng)絡(luò)計算和數(shù)據(jù)存儲非常重要：取決于輸入層和輸出層的數(shù)量，之后重復詳細的調(diào)試，隱藏層的神經(jīng)元的最終選擇是10 a。訓練BP [6]網(wǎng)絡(luò)是用于計算和迭代調(diào)整，這首先產(chǎn)生具有權(quán)重矩陣相量的方法重量在（-1，1）之間。

　　算輸入層的輸出到隱藏層，并計算隱藏層到輸出層的輸出的輸出，根據(jù)誤差反饋方法中，重復[7]改變加權(quán)矩陣對實際輸出的前向和后向計算以及監(jiān)護人信號誤差在允許的范圍內(nèi)。四組放電模式的20組特征量輸入第三方網(wǎng)絡(luò)，以完成網(wǎng)絡(luò)學習過程。后，將每個放電模式的剩余20組特征量輸入已經(jīng)學習用于識別的BP網(wǎng)絡(luò)，表5-2表示識別的結(jié)果。中的正確率。于被認為是正確識別的輸出總數(shù)，但是已識別樣本的總數(shù)：如果輸出的值大于0.8，我們認為它是正確識別的，可靠性率，也就是說，正確識別了所有輸出。均值表5-2顯示動脈血壓神經(jīng)網(wǎng)絡(luò)的模式識別方法識別兩個部分電纜故障放電，即電軸放電和氣泡放電。100套樣品的整體識別準確率為91.25％。們看到，對于大多數(shù)信號，伙伴網(wǎng)絡(luò)是可識別的，但是網(wǎng)絡(luò)無法識別某些單獨的信??號。些信號無法用肉眼看出差異，但計算機足以區(qū)分它們之間的差異。還表明，血壓神經(jīng)網(wǎng)絡(luò)可用于交聯(lián)聚乙烯絕緣局部放電模式識別系統(tǒng)[8]。論研究了基于Rogowski線圈原理的電流傳感器。
　　慮到每個參數(shù)對羅線圈的影響，設(shè)計了符合XLPE檢測電纜的電流傳感器。面的這些實驗證實，基于Rogowski線圈原理的電流傳感器可以準確地檢測電纜的局部放電放電檢測中的放電信號。供一種在放電時域中提取脈沖波形圖案中的放電特性量的方法。計了BP神經(jīng)網(wǎng)絡(luò)，并將提取的特征量用于網(wǎng)絡(luò)訓練和測試，測試結(jié)果表明，不同類型的放電識別網(wǎng)絡(luò)具有91.25％的正確精度。
　　證明放電特征量的提取具有典型的代表性意義，并且網(wǎng)絡(luò)可以正確地識別電纜的局部放電模式。
　　本文轉(zhuǎn)載自
　　電纜價格 http://jslianhai.cn