一种高压电力电容器绝缘检测方法与流程

本发明涉及电容器绝缘检测，具体为一种高压电力电容器绝缘检测方法。

背景技术：

1、在电力系统中，高压电力电容器作为重要的无功补偿和滤波设备，其绝缘性能直接关系到电力系统的稳定性和安全性。特别是在电容器运行初期或中期，微小的绝缘劣化往往难以被及时发现，一旦绝缘性能严重下降，可能引发电容器故障，甚至导致整个电力系统的瘫痪。

2、现有技术中，电容器绝缘检测方法往往针对特定类型或规格的电容器进行设计，这意味着这些方法的适用范围有限，难以适应不同类型、不同规格电容器的绝缘检测需求。在实际应用中，由于电容器的类型、规格、使用环境以及生产参数等差异较大，因此采用单一或有限的检测方法往往难以获得准确、全面的检测结果。

3、现有电容器绝缘检测方法在提供标准检测结果参考方面也存在不足。由于不同类型的电容器在绝缘性能上存在差异，因此缺乏统一、标准的检测结果参考，这使得检测人员在判断电容器绝缘状态时缺乏依据，难以做出准确、可靠的评估。例如，在电容器绝缘检测中，检测人员发现某型号电容器的绝缘电阻值明显低于正常值，但由于缺乏该型号电容器的标准检测结果参考，检测人员无法准确判断这是否意味着电容器存在绝缘劣化或故障。这种情况下，如果误判为正常，可能会导致电容器在后续运行中发生故障；如果误判为故障，则可能导致不必要的电容器更换和维修成本增加。

技术实现思路

1、本发明的目的在于提供一种高压电力电容器绝缘检测方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种高压电力电容器绝缘检测方法，所述方法包括：

3、步骤1：收集不同类型的高压电力电容器在历史检测中的绝缘参数时间序列数据，以及检测时的环境条件和被检测的电容器的生产参数；所述绝缘参数包括绝缘电阻、吸收比、极化指数、泄漏电流和介质损耗因数；所述环境条件包括检测环境的温度和湿度；所述生产参数包括电容值、额定电压、额定容量、介质材料、电极材料、引脚结构和制造工艺；

4、步骤2：对步骤1收集的数据进行预处理和特征提取，形成特征数据集；

5、步骤3：针对高压电力电容器构建绝缘参数预测模型，该模型基于特征数据集，结合环境条件和电容器生产参数，预测电容器在测试时未来一段时间内的绝缘参数变化趋势；

6、步骤4：获取当前高压电力电容器的生产状态和环境条件数据；

7、步骤5：将步骤4获取的数据输入绝缘参数预测模型，接收模型输出的预测绝缘参数；

8、步骤6：对高压电力电容器进行实时绝缘参数检测，获取实际绝缘电阻、吸收比、极化指数、泄漏电流和介质损耗因数的数据，并对原始检测数据进行清洗，去除异常值；

9、步骤7：将步骤6获取的实时绝缘参数数据和步骤5模型输出的预测绝缘参数数据分别绘制成随时间变化的曲线，对两条曲线数据进行时间戳对齐，并将两支曲线放入同一坐标系中；

10、步骤8，根据预设的阈值判断两支曲线上的每个点是否存在超出阈值的偏差，若存在则标记为偏差点；

11、步骤9：根据发现的偏差点和预设的评估规则，对高压电力电容器的绝缘状态进行评估，并将评估结果发送到相关人员。

12、优选的，所述步骤2中，数据预处理的方式包括：

13、对于缺失值，采用线性插值算法进行填充；

14、对于异常值，采用阈值判断法，将超出预设阈值范围的数据点视为异常值，并用其邻近点的均值进行替换；

15、使用z-score标准化方法，将每个特征值减去其均值并除以其标准差，使得处理后的数据符合标准正态分布，标准化处理的公式为：，其中，为原始数据，为原始数据的均值，为原始数据的标准差，为标准化后的数据。

16、优选的，所述步骤2中，采用过滤法进行特征提取，通过计算每个特征与目标绝缘参数之间的相关性，评估特征的重要性；使用皮尔逊相关系数衡量每个特征与目标绝缘参数之间的线性相关性，皮尔逊相关系数的计算公式为：

17、

18、其中，r 表示特征与绝缘参数之间的相关系数，n 表示数据点的数量，x 表示特征值，y 表示目标绝缘参数值;

19、根据计算得到的相关系数，提取绝对值大于设定阈值的特征作为有用特征，构成特征数据集，以用于后续绝缘参数预测模型的训练。

20、优选的，所述步骤3中，构建绝缘参数预测模型的步骤包括：

21、步骤3.1：使用特征数据集作为输入，并将该特征数据集划分为训练集和测试集，其中训练集用于模型训练，测试集用于模型评估；

22、步骤3.2：构建长短期记忆网络lstm结构，设置合适的网络层数、隐藏层单元数和激活函数；

23、步骤3.3：利用训练集对lstm模型进行训练，通过反向传播算法和梯度下降法迭代优化模型参数，使模型能够学习到特征数据集与绝缘参数之间的映射关系；

24、步骤3.4：使用测试集对训练好的lstm模型进行评估，验证模型的预测性能；

25、步骤3.5：根据评估结果，对lstm模型的超参数进行调整，包括网络层数、隐藏层单元数和激活函数，直至模型的预测精度达到满意水平；

26、步骤3.6：对训练好的绝缘参数预测模型进行保存。

27、优选的，所述绝缘参数预测模型的网络结构为：

28、输入层：接收特征数据集作为输入，该特征数据集包括时间窗口内的绝缘参数历史数据、环境条件数据、电容器生产参数数据以及时间相关特征；

29、网络层：包含两个lstm隐藏层，第一个隐藏层包含128个lstm单元，第二个隐藏层包含64个lstm单元；每个lstm单元内部设有遗忘门、输入门和输出门，用于控制信息的更新、传递和遗忘；使用relu激活函数对每个lstm单元的输出进行非线性变换，以增强模型的表达能力；

30、输出层：接收第二个隐藏层的输出，并通过一个全连接层将lstm网络的输出映射到预测的绝缘参数值上，包括绝缘电阻、吸收比、极化指数、泄漏电流和介质损耗因数的预测值。

31、优选的，使用训练集数据对lstm模型进行迭代训练，每次迭代中，将一批特征数据集送入lstm模型，通过前向传播计算输入层、隐藏层和输出层的值，更新lstm记忆单元和隐藏状态，得到预测的绝缘参数输出序列；在训练过程中，定期使用验证集数据评估模型的性能，根据评估结果调整学习率或提前停止训练，以防止模型过拟合；采用均方误差mse算法作为损失函数，评估模型预测值与实际测量值之间的差异，mse值定义为预测值与实际值之差的平方和的均值，mse值越小，表示模型的预测精度越高，具体算法为：

32、

33、其中，n为数据点的数量，为模型预测的参数值，为实际测量的参数值。

34、优选的，所述步骤8中，对偏差点进行标记的实现步骤包括：

35、步骤8.1：对齐两支曲线的时间戳，使得每个时间点上均有来自实时绝缘参数检测数据和模型预测绝缘参数数据的两个数值；

36、步骤8.2：设定绝缘参数偏差阈值，该阈值根据历史检测数据和电容器类型进行预设，包括绝缘电阻、吸收比、极化指数、泄漏电流和介质损耗因数各自的允许最大偏差范围；

37、步骤8.3：遍历两支曲线上的所有时间点，对于每个时间点，计算实时绝缘参数检测数据与模型预测绝缘参数数据之间的偏差值；

38、步骤8.4：将计算出的偏差值与预设的绝缘参数偏差阈值进行比较，若偏差值超过阈值，则将该时间点标记为偏差点，并记录偏差的具体数值和对应参数类型。

39、优选的，所述步骤9中，对高压电力电容器的绝缘状态进行评估的步骤包括：

40、步骤9.1：对步骤8中标记的偏差点进行统计，记录每个偏差点对应的时间戳、绝缘参数类型、实际检测值与预测值之间的偏差量；

41、步骤9.2：根据预设的评估规则，对统计的偏差点进行分析，评估高压电力电容器的绝缘状态；评估规则包括：偏差点的数量、偏差量的大小、偏差持续的时间和偏差出现的频率；

42、步骤9.3：根据评估结果，生成绝缘状态评估报告，报告中包含电容器的绝缘状态概述、偏差点详细信息和建议的维护措施；

43、步骤9.4：将绝缘状态评估报告发送到相关人员。

44、与现有技术相比，本发明的有益效果是：

45、本发明通过收集不同类型、规格的高压电力电容器在历史检测中的绝缘参数时间序列数据，以及相应的环境条件和生产参数，构建了全面的特征数据集，该数据集使得绝缘参数预测模型能够适应不同类型、规格电容器的绝缘检测需求，大大提高了检测的适应性和准确性。

46、通过构建绝缘参数预测模型，并结合当前的环境条件和电容器生产参数，本方法能够预测电容器在测试时未来一段时间内的绝缘参数变化趋势。这种动态预测能力有助于及时发现潜在的绝缘劣化问题，为电容器的维护和更换提供科学依据。本发明通过对比模型预测的绝缘参数与实时检测的绝缘参数，绘制成随时间变化的曲线，并进行时间戳对齐和偏差分析。这种方法为检测人员提供了统一、直观的检测结果参考，有助于准确评估电容器的绝缘状态，减少误判和漏判的可能性。