本发明属于电力设备局部放电超声监测，具体涉及一种超声传感器的温度补偿方法。
背景技术：
1、在我国东北地区的极端寒冷条件下，温度成为了电力设备状态监测装置失效率增大的关键因素。按照气象学定义的“极度寒冷”标准，即气温低于-40℃时，传感设备的物理机械性能和电气性能会发生显著变化，在低温环境的持续作用下，电力系统中的状态监控装置表现出精度减退、运行稳定性能下滑的特点，并且频繁面临电子组件与电路板因低温导致的功能异常风险。同时，用于密封的材料出现效能衰退迹象，电缆材质在低温度下变得更为脆弱，增加了断裂的可能性。此外，低温环境中，监测装置的蓄电池充放电性能严重衰退，通常仅为正常温度下的约30%，构成了低温地区输电线路状态监测装置稳定运行的重大制约因素。
2、当前，国内外虽然对在线监测系统的智能化和通信传输等方面展开了全面研究，但对于低温环境下在线监测系统特性和故障解决的具体研究却相对匮乏，尚未就上述低温故障开展深入的可靠性提升专项研究。在电网中关于设备局部放电的检测方法主要采用超声波法、地电波法、超高频法、高频电流法等技术来检测。本发明以局部放电超声监测装置作为主要研究对象，针对局部放电超声传感器在低温环境下因多方面参数变化所引发的性能衰退问题，针对性地提出温度补偿方法。
技术实现思路
1、本发明解决其技术问题所采用的技术方案是：一种超声传感器的温度补偿方法，其特征在于，所述方法包括如下步骤：
2、s100、对超声传感器进行温度特性测试，获取实验样本测试数据和实际测试数据；
3、s200、利用实验样本测试数据完成神经网络模型的训练；
4、s300、采用统计方法对实际测试数据的异常值进行选取与剔除；
5、s400、基于经过处理的实际测试数据，通过神经网络模型计算超声传感器的温度补偿。
6、优选地，步骤s100中所述温度特性测试包括：在不同温度下，对所述超声传感器的主谐振频率进行测试，获取其随温度的变化规律。
7、优选地，步骤s100中所述温度特性测试还包括：在不同温度下，基于所述主谐振频率随温度的变化规律，对所述超声传感器的平均输出电压幅值进行测试，获取所述平均输出电压幅值随温度的变化规律，以获得实验样本测试数据。
8、优选地，步骤s200中，所述神经网络模型是通过遗传算法优化后的反向传播神经网络模型。
9、优选地，所述通过遗传算法优化后的反向传播神经网络模型的训练方法包括：
10、以温度和超声传感器的实验样本测试数据作为输入，构造bp神经网络模型；
11、将bp神经网络的权值、阈值长度通过遗传算法进行优化，并以bp神经网络的训练误差作为适应度值。
12、优选地，所述遗传算法部分的实施流程包括：
13、先进行初始化，随机生成一组初始解决方案pg，g为当前进化代数，设置最大进化代数g并使得当前进化代数g=0；
14、按照适应度函数计算解决方案pg中的每个解的适应度评价；
15、将选择算子、交叉算子、变异算子作用于解决方案pg，经过选择交叉变异后得到新一代解决方案pg+1，此过程循环进行；
16、当进化代数达到最大进化数，即g=g时，或者最优解的适应度达到阈值时，遗传算法即可终止，并将多次迭代优化获取最优权值和阈值输出给bp神经网络；
17、接着由神经网络计算误差和更新权值阈值，并终止条件判断，最终获得训练完备的ga-bp神经网络模型。
18、优选地，所述温度补偿包括：对所述超声传感器采用算法补偿的方式。
19、优选地，所述算法补偿包括：利用所述实验样本测试数据完成ga-bp神经网络模型的训练，而后当输入实际温度和测量值后，首先通过grubb检验判断该值是否为异常值，若不是，通过模型最优计算，便可自动预测出真实值。
20、本发明的技术优点如下：
21、本发明使用的ga-bp模型结合了遗传算法与反向传播神经网络的优点，不仅充分利用了神经网络的学习和表达能力，还借助遗传算法实现了对神经网络训练参数的全局优化，从而提升了模型的整体性能和预测精度。
1.一种超声传感器的温度补偿方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，优选的，步骤s100中所述温度特性测试包括：在不同温度下，对所述超声传感器的主谐振频率进行测试，获取所述主谐振频率随温度的变化规律。
3.根据权利要求2所述的方法，其特征在于，步骤s100中所述温度特性测试还包括：在不同温度下，基于所述主谐振频率随温度的变化规律，对所述超声传感器的平均输出电压幅值进行测试，获取所述平均输出电压幅值随温度的变化规律，以获得实验样本测试数据。
4.根据权利要求1所述的方法，其特征在于，步骤s200中，所述神经网络模型是通过遗传算法优化后的反向传播神经网络模型。
5.根据权利要求4所述的方法，其特征在于，所述通过遗传算法优化后的反向传播神经网络模型的训练方法包括：
6.根据权利要求5所述的方法，其特征在于，所述遗传算法部分的实施流程包括：
7.根据权利要求1所述的方法，其特征在于，步骤s400中，所述温度补偿包括：对所述超声传感器采用算法补偿的方式。
