基于深度学习的杆塔接地网断点诊断方法研究

在使用电磁感应方法诊断杆塔接地网断点的过程中,针对人工诊断引起的误差问题,提出了一种基于一维卷积神经网络(one dimensional-convolutional neural network,1D-CNN)的诊断模型,诊断模型以接地网正上方的一维磁场数据为输入,通过深度神经网络输出断点故障的数量和位置。首先通过实验验证了电磁感应方法在杆塔接地网断点诊断问题中的有效性,然后建立了磁场断点故障数据集,之后进行了1D-CNN诊断模型的训练。在诊断准确度验证实验中.1D-CNN诊断模型在40个故障磁场样本上达到了97.50%的诊断准确率,表现出了良好的泛化性;诊断效果对比实验表明,1D-CNN诊断模型的AUC值达0.951,在3次随机训练中对各类故障的平均识别率达到了92.08%,在15次训练中的平均测试集精度达到了94.30%,平均每代训练时间0.8750 s,在各项指标上较DNN、RNN均有明显优势。

输电线路杆塔接地装置腐蚀程度诊断研究

用磁感应方法研究了输电线路杆塔接地装置导体的内部损伤情况。通过改变接地网模型某段的截面积大小模拟接地导体的损伤情况,分析了伤病长直导体内部的磁场响应特征,形成了导体段上磁场模的分布曲线与云图。计算得到的磁场模曲线能清晰显示出接地导体在不同模拟腐蚀程度下的磁场模大小差异。仿真结果表明,该方法能准确判断出导体内部产生腐蚀故障的位置。

输电线路杆塔接地装置的磁感应分析

用磁感应的方法定位了输电线路杆塔接地装置的接地导体位置。计算垂直方向的磁场强度,分析了一种典型接地装置的磁场响应特征,形成了接地装置探测区域的场值图。感应磁场的等值线图清晰表现出接地装置的形态,以及形成闭合回路的地网和辐射接地体所表现出的磁场差异。仿真结果表明,该方法能清晰判断接地体的位置和走向。