本發(fā)明涉及避雷，特別涉及10kv避雷器智能在線檢測(cè)儀。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，金屬氧化物避雷器(moa)作為關(guān)鍵的過(guò)電壓保護(hù)設(shè)備，廣泛應(yīng)用于變電站和輸配電線路。然而，隨著運(yùn)行時(shí)間的增加，避雷器可能會(huì)出現(xiàn)老化、受潮等問(wèn)題，導(dǎo)致泄漏電流增大，嚴(yán)重時(shí)甚至可能引發(fā)避雷器過(guò)熱、爆炸等事故。因此，確保避雷器的安全運(yùn)行，及時(shí)監(jiān)測(cè)其狀態(tài)，具有極為重要的意義。

2、傳統(tǒng)的避雷器檢測(cè)方法(中國(guó)專利，申請(qǐng)?zhí)?02410560244.9)通常依賴于對(duì)伏安特性曲線的高階導(dǎo)數(shù)進(jìn)行分析。然而，高階導(dǎo)數(shù)計(jì)算對(duì)數(shù)據(jù)質(zhì)量要求較高，極易受到噪聲和異常數(shù)據(jù)的影響，導(dǎo)致計(jì)算結(jié)果不穩(wěn)定。尤其在現(xiàn)場(chǎng)測(cè)量中，由于環(huán)境復(fù)雜、表面污染嚴(yán)重等因素的干擾，計(jì)算結(jié)果的精確性和可靠性進(jìn)一步降低。此外，高階導(dǎo)數(shù)的計(jì)算過(guò)程復(fù)雜，容易導(dǎo)致分析過(guò)程中的誤差累積，不利于避雷器的準(zhǔn)確狀態(tài)評(píng)估和預(yù)警。

技術(shù)實(shí)現(xiàn)思路

1、為了解決以上問(wèn)題，本發(fā)明提供了10kv避雷器智能在線檢測(cè)儀。

2、為實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案如下：

3、10kv避雷器智能在線檢測(cè)儀，包括：數(shù)據(jù)采集模塊，用于獲取避雷器在不同測(cè)試條件下的直流伏安特性曲線；

4、數(shù)據(jù)預(yù)處理模塊，用于消除伏安特性曲線的線性或非線性趨勢(shì)，并排除異常值；

5、分段線性擬合模塊，用于對(duì)伏安特性曲線確進(jìn)行分段，并對(duì)每個(gè)分段的數(shù)據(jù)進(jìn)行線性擬合，獲取各分段的線性參數(shù)；

6、參數(shù)優(yōu)化與分離模塊，用于優(yōu)化分段線性擬合結(jié)果，分離表面泄漏電流和閥片電流

7、數(shù)據(jù)校正與計(jì)算模塊，基于優(yōu)化后的參數(shù)進(jìn)行校正計(jì)算，獲取關(guān)鍵電氣參數(shù)；

8、狀態(tài)評(píng)估與預(yù)警模塊，根據(jù)校正后的電氣參數(shù)，對(duì)避雷器的運(yùn)行狀態(tài)進(jìn)行評(píng)估，并提供預(yù)警信息。

9、進(jìn)一步的：所述數(shù)據(jù)預(yù)處理模塊包括：

10、應(yīng)用低通濾波器去除伏安特性曲線中的高頻噪聲，設(shè)定濾波器的截止頻率fc，并使用濾波器設(shè)計(jì)公式計(jì)算濾波器的參數(shù)：

11、

12、其中，h(f)是濾波器的頻率響應(yīng)，f是信號(hào)頻率，fc是截止頻率，n是濾波器的階數(shù)；

13、使用多項(xiàng)式擬合去除伏安特性曲線中的線性或非線性趨勢(shì)，使數(shù)據(jù)更加平滑：

14、vfit(x)＝a2x2+a1x+a0

15、其中，vfit(x)是擬合后的趨勢(shì)線，a2、a1、a0是擬合系數(shù)；

16、采用基于標(biāo)準(zhǔn)差的方法檢測(cè)異常值，計(jì)算數(shù)據(jù)的均值μ和標(biāo)準(zhǔn)差σ，定義異常值的閾值為μ±kσ，其中k是閾值系數(shù)；

17、輸出伏安特性曲線數(shù)據(jù)(vi,ii)。

18、進(jìn)一步的：所述分段線性擬合模塊包括分段算法模塊：

19、使用滑動(dòng)窗口法計(jì)算伏安特性曲線數(shù)據(jù)(vi,ii)的局部斜率，設(shè)定一個(gè)窗口大小w，在每個(gè)窗口內(nèi)計(jì)算斜率s：

20、

21、其中sj是第j個(gè)窗口內(nèi)的斜率，ij+w和ij分別是窗口內(nèi)的電流值，vj+w和vj分別是電壓值；

22、計(jì)算連續(xù)窗口斜率的變化量，確定變化點(diǎn)，設(shè)定一個(gè)變化閾值δs：

23、δsj＝|sj-sj-1|

24、如果δsj超過(guò)設(shè)定閾值δs，則認(rèn)為該點(diǎn)為變化點(diǎn)；

25、將檢測(cè)到的斜率變化點(diǎn)標(biāo)記為分段的起始點(diǎn)或終止點(diǎn)；

26、如果兩個(gè)變化點(diǎn)之間的數(shù)據(jù)變化小于某一閾值，則將這些點(diǎn)合并成一個(gè)分段，設(shè)定合并閾值ε；

27、合并判斷＝δsj<ε

28、如果條件滿足，則將這些變化點(diǎn)合并成一個(gè)分段；

29、根據(jù)檢測(cè)到的變化點(diǎn)和合并規(guī)則，輸出每個(gè)分段的起始點(diǎn)和終止點(diǎn)；

30、分段的起始點(diǎn)和終止點(diǎn)的信息，包括每段的電壓范圍[vstart，vend]和電流范圍[istart，iend]。

31、進(jìn)一步的：所述分段線性擬合模塊包括線性擬合模塊：

32、根據(jù)分段算法模塊的輸出，將每個(gè)分段的數(shù)據(jù)(vi,ii)提取出來(lái)；每個(gè)分段的數(shù)據(jù)包括從[vstart，vend]到[istart，iend]的電壓和電流值；

33、對(duì)每個(gè)分段的數(shù)據(jù)進(jìn)行線性回歸，以獲取線性關(guān)系：

34、i＝av+b

35、其中a為斜率，b為截距；

36、使用最小二乘法求解線性模型的參數(shù)，對(duì)于每個(gè)分段的數(shù)據(jù)(vi,ii)，構(gòu)建損失函數(shù)：

37、

38、其中n是該分段中的數(shù)據(jù)點(diǎn)數(shù)目，a和b是擬合參數(shù)；

39、通過(guò)求解最小二乘法的方程，得到最優(yōu)的a和b：

40、

41、對(duì)每個(gè)分段輸出擬合得到的線性參數(shù)a和b，以及擬合的直線方程i＝av+b；

42、輸出格式：

43、ifit(v)＝ajv+bj

44、其中，aj和bj是第j個(gè)分段的斜率和截距。

45、進(jìn)一步的：所述分段線性擬合模塊包括擬合質(zhì)量評(píng)估模塊：

46、計(jì)算每個(gè)數(shù)據(jù)點(diǎn)的殘差，對(duì)于每個(gè)分段的數(shù)據(jù)點(diǎn)(vi,ii)，計(jì)算實(shí)際電流值ii與擬合電流值ifit(v)之間的殘差：

47、殘差i＝ii-(ajvi+bj)

48、其中，ii是實(shí)際電流值，(ajvi+bj是通過(guò)擬合模型計(jì)算的擬合電流值；

49、計(jì)算每個(gè)分段內(nèi)所有數(shù)據(jù)點(diǎn)的殘差平方和，以衡量擬合的整體誤差：

50、

51、其中，nj是第j個(gè)分段的數(shù)據(jù)點(diǎn)數(shù)目；

52、通過(guò)殘差平方和計(jì)算均方根誤差，作為擬合質(zhì)量的指標(biāo)：

53、

54、其中rmsej是第j個(gè)分段的均方根誤差；

55、根據(jù)計(jì)算得到的均方根誤差值，判斷擬合的精度；

56、輸出每個(gè)分段的rmse值，并與預(yù)設(shè)的閾值進(jìn)行比較，確定擬合的質(zhì)量是否符合要求。

57、進(jìn)一步的：所述參數(shù)優(yōu)化與分離模塊包括非線性優(yōu)化模塊：

58、構(gòu)建優(yōu)化目標(biāo)函數(shù)，優(yōu)化目標(biāo)函數(shù)用于衡量擬合結(jié)果的質(zhì)量，表示為所有分段的殘差平方和的總和：

59、

60、其中m是分段的數(shù)量，nj是第j個(gè)分段的數(shù)據(jù)點(diǎn)數(shù)目；

61、定義約束條件包括：

62、aj,min≤aj≤aj,max

63、bj,min≤bj≤bj,max

64、其中，aj,min和aj,max分別是第j個(gè)分段斜率的最小和最大值，bj,min和bj,max是截距的最小和最大值；

65、將擬合參數(shù)aj和bj編碼為染色體；

66、目標(biāo)函數(shù)f作為適應(yīng)度函數(shù)；

67、遺傳操作，包括選擇、交叉和變異，生成新的候選解，并更新種群；

68、適應(yīng)度函數(shù)計(jì)算：

69、

70、運(yùn)行選擇的優(yōu)化算法，根據(jù)優(yōu)化目標(biāo)函數(shù)和約束條件，迭代優(yōu)化擬合參數(shù)aj和bj；

71、記錄每次迭代的目標(biāo)函數(shù)值，并更新最佳解；

72、根據(jù)優(yōu)化算法的結(jié)果，得到每個(gè)分段的最優(yōu)線性擬合參數(shù)和

73、輸出：

74、

75、進(jìn)一步的：所述參數(shù)優(yōu)化與分離模塊包括表面泄漏電流分離模型：

76、定義表面泄漏電流模型，假設(shè)表面泄漏電流與電壓的關(guān)系是非線性的，用一個(gè)預(yù)定義的非線性函數(shù)來(lái)表示：

77、

78、其中c1、c2，和c3是模型參數(shù)，表示表面泄漏電流的特性；

79、定義閥片電流模型，由優(yōu)化后的分段線性擬合參數(shù)給出：

80、icore(v)＝iopt(v)-isurface(v)

81、其中，icore(v)是計(jì)算得到的閥片電流；

82、通過(guò)優(yōu)化算法對(duì)表面泄漏電流模型的參數(shù)c1、c2，和c3進(jìn)行擬合，以最小化表面泄漏電流模型的誤差，目標(biāo)函數(shù)為：

83、

84、其中，isurface,i是由表面泄漏電流模型預(yù)測(cè)的電流，imeasured,i是實(shí)際測(cè)得的表面泄漏電流。

85、進(jìn)一步的：所述參數(shù)優(yōu)化與分離模塊包括參數(shù)校正模塊：

86、輸入實(shí)際檢測(cè)數(shù)據(jù)，用于校正：

87、實(shí)測(cè)的電壓vi，實(shí)測(cè)的電流imeasured(vi)；

88、建立校正目標(biāo)函數(shù)，校正目標(biāo)函數(shù)用于衡量實(shí)際檢測(cè)數(shù)據(jù)與模型預(yù)測(cè)數(shù)據(jù)之間的差異：

89、

90、其中，ipredicted(vi)是由分離模型預(yù)測(cè)的電流：

91、ipredicted(vi)＝isurface(vi)+icore(vi)

92、目標(biāo)是通過(guò)調(diào)整模型參數(shù)，使得fcalib最小化；

93、校正過(guò)程中優(yōu)化的參數(shù)包括表面泄漏電流模型的參數(shù)c1、c2，和c3，以及分段線性擬合的參數(shù)和

94、通過(guò)迭代更新模型參數(shù)，以最小化目標(biāo)函數(shù)fcalib，更新規(guī)則為：

95、δθ＝-(jtj)-1jtr

96、其中，δθ是參數(shù)更新量，j是雅可比矩陣，r是殘差向量；

97、在每次迭代中，根據(jù)當(dāng)前參數(shù)值計(jì)算預(yù)測(cè)電流ipredicted(vi)，更新目標(biāo)函數(shù)值fcalib；

98、根據(jù)優(yōu)化算法更新參數(shù)，重復(fù)迭代直至目標(biāo)函數(shù)收斂到最小值；

99、通過(guò)校正后的模型參數(shù)，重新計(jì)算預(yù)測(cè)電流，并與實(shí)際測(cè)量數(shù)據(jù)進(jìn)行比較；

100、輸出校正后的參數(shù)，包括表面泄漏電流模型的參數(shù)和和分段線性擬合的參數(shù)和

101、進(jìn)一步的：所述數(shù)據(jù)校正與計(jì)算模塊包括：

102、基于校正后的參數(shù)，計(jì)算使電流為1ma的電壓值：

103、

104、其中，i1maa＝1ma；

105、應(yīng)用額外的修正因子來(lái)調(diào)整計(jì)算出的電壓，修正公式：

106、

107、其中，ktemp是溫度修正系數(shù)，δt是溫度偏差；

108、基于校正后的電壓值，計(jì)算電壓為0.75倍u1ma時(shí)的實(shí)際泄漏電流：

109、

110、其中，isurface和icore分別是通過(guò)表面泄漏電流模型和閥片電流模型計(jì)算得到的電流值；

111、應(yīng)用額外的修正因子來(lái)調(diào)整計(jì)算出的泄漏電流值：

112、

113、其中，kmeas是測(cè)量修正系數(shù)，δm是測(cè)量誤差偏差；

114、將計(jì)算得到的1ma電壓和0.75倍u1ma時(shí)的實(shí)際泄漏電流與歷史數(shù)據(jù)或?qū)嶒?yàn)數(shù)據(jù)進(jìn)行對(duì)比，評(píng)估其準(zhǔn)確性，對(duì)比公式：

115、

116、其中，u1ma,hist和i75％1ma,hist是歷史數(shù)據(jù)中的對(duì)應(yīng)值；

117、輸出校正后的電壓和泄漏電流數(shù)據(jù)。

118、本發(fā)明與現(xiàn)有技術(shù)相比，所取得的技術(shù)進(jìn)步在于：

119、現(xiàn)有技術(shù)依賴于對(duì)伏安特性曲線的高階導(dǎo)數(shù)進(jìn)行計(jì)算，由于高階導(dǎo)數(shù)對(duì)數(shù)據(jù)的噪聲和波動(dòng)非常敏感，計(jì)算結(jié)果可能不穩(wěn)定，導(dǎo)致避雷器狀態(tài)評(píng)估不準(zhǔn)確。本技術(shù)通過(guò)分段線性擬合模塊代替了高階導(dǎo)數(shù)的計(jì)算，分段線性擬合通過(guò)將復(fù)雜的非線性伏安特性曲線分解為多個(gè)線性段處理，避免了高階導(dǎo)數(shù)計(jì)算帶來(lái)的不穩(wěn)定性，確保了評(píng)估結(jié)果的準(zhǔn)確性和穩(wěn)定性。高階導(dǎo)數(shù)對(duì)數(shù)據(jù)的光滑度要求較高，任何噪聲或異常值都可能顯著影響導(dǎo)數(shù)計(jì)算結(jié)果，降低了檢測(cè)的可靠性。本技術(shù)通過(guò)數(shù)據(jù)預(yù)處理模塊有效去除了噪聲，并通過(guò)分段線性擬合進(jìn)一步降低了對(duì)數(shù)據(jù)光滑性的依賴，使系統(tǒng)對(duì)噪聲和異常值具有更高的魯棒性?，F(xiàn)有技術(shù)在高階導(dǎo)數(shù)的基礎(chǔ)上分析閥片的伏安特性，容易受到表面泄漏電流的影響，導(dǎo)致結(jié)果偏差。本技術(shù)引入了參數(shù)優(yōu)化與分離模塊，利用優(yōu)化算法和模型分離技術(shù)，精確分離表面泄漏電流和閥片電流，進(jìn)一步降低表面污染對(duì)檢測(cè)結(jié)果的影響，確保參數(shù)計(jì)算的準(zhǔn)確性。

120、現(xiàn)有技術(shù)依賴高階導(dǎo)數(shù)的分析需要復(fù)雜的計(jì)算和對(duì)結(jié)果的細(xì)致校驗(yàn)，過(guò)程繁瑣且易出錯(cuò)。本技術(shù)通過(guò)使用分段線性擬合和優(yōu)化算法，本技術(shù)顯著簡(jiǎn)化了數(shù)據(jù)處理流程，避免了繁瑣的高階導(dǎo)數(shù)計(jì)算，提高了檢測(cè)效率和易用性。高階導(dǎo)數(shù)計(jì)算的結(jié)果僅限于曲線的局部分析，未能全面考慮避雷器的整體運(yùn)行狀態(tài)。本技術(shù)的狀態(tài)評(píng)估與預(yù)警模塊通過(guò)綜合分析多個(gè)參數(shù)，利用優(yōu)化后的模型進(jìn)行全局狀態(tài)評(píng)估，提供更加全面的狀態(tài)報(bào)告和預(yù)警信息，有助于更早期發(fā)現(xiàn)避雷器的潛在問(wèn)題。