[發(fā)明專利]基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法、系統(tǒng)及介質(zhì)

有效

• 申請?zhí)枺?/td>: 201911094681.1
• 申請日: 2019-11-11
• 公開（公告）號: CN110850244B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 謝耀恒;李婷;肖京;鐘永恒;葉會生;雷紅才;黃海波;潘華;黃成軍
• 申請（專利權(quán)）人: 國網(wǎng)湖南省電力有限公司;國網(wǎng)湖南省電力有限公司電力科學(xué)研究院;國家電網(wǎng)有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 譚武藝

1.一種基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法，其特征在于實施步驟包括：

1)采集目標(biāo)電力設(shè)備的多種類型的局部放電信號；

2)將所有類型的局部放電信號轉(zhuǎn)換集成至同一時基坐標(biāo)系中形成綜合多通道時域圖譜；

3)提取綜合多通道時域圖譜輸入預(yù)先完成訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)模型，通過深度卷積神經(jīng)網(wǎng)絡(luò)模型提取綜合多通道時域圖譜的圖譜特征并識別出目標(biāo)電力設(shè)備的局部放電信號所對應(yīng)的局部放電類型，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型被預(yù)先完成訓(xùn)練建立了圖譜特征及其對應(yīng)的局部放電類型之間的映射關(guān)系。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法，其特征在于，步驟1)中采集目標(biāo)電力設(shè)備的多種類型的局部放電信號包括特高頻信號、超聲波信號、高頻電流信號、接地電流信號中的至少兩種；步驟3)中的局部放電類型包括電暈放電、懸浮電位放電、絕緣內(nèi)部放電、沿面放電、自由顆粒放電五種局部放電類型中的至少兩種。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法，其特征在于，步驟2)的詳細(xì)步驟包括：

2.1)將模型信號形式的各種類型的局部放電信號轉(zhuǎn)換為離散信號序列；

2.2)將轉(zhuǎn)換為離散信號序列后各種類型的局部放電信號進(jìn)行幅值歸一化；

2.3)將幅值歸一化后的各種類型的局部放電信號分別按照指定的幅值偏移，且不同類型的局部放電信號的偏移量不同，然后將其放入同一時基坐標(biāo)系中形成的綜合多通道時域圖譜，使得同一時基坐標(biāo)系中形成的綜合多通道時域圖譜中分別按照不同幅值偏移顯示幅值歸一化后的各種類型的局部放電信號。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法，其特征在于，所述同一時基坐標(biāo)系中形成的綜合多通道時域圖譜的時基設(shè)定為5ms，采樣時間均控制在50ms，幅值刻度采用歸一化刻度，使各自通道信號幅值范圍均處在[0,1]之間，各種類型的局部放電信號從上之下依次排列形成具有多通道、同時展示多種不同類型局部放電信號的時域圖譜。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法，其特征在于，步驟3)中的深度卷積神經(jīng)網(wǎng)絡(luò)模型包括特征提取卷積網(wǎng)絡(luò)、缺陷識別卷積網(wǎng)絡(luò)，所述特征提取卷積網(wǎng)絡(luò)用于識別輸入樣本的二維圖譜特征并輸出給缺陷識別卷積網(wǎng)絡(luò)，所述缺陷識別卷積網(wǎng)絡(luò)用于根據(jù)二維圖譜特征識別出目標(biāo)電力設(shè)備的局部放電信號所對應(yīng)的局部放電類型。

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷方法，其特征在于，步驟3)之前還包括訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)模型的步驟，詳細(xì)步驟包括：

S1)針對每一種局部放電類型，分別采集獲取目標(biāo)電力設(shè)備的多種類型的局部放電信號，并將所有類型的局部放電信號轉(zhuǎn)換集成至同一時基坐標(biāo)系中形成綜合多通道時域圖譜；

S2)將綜合多通道時域圖譜添加局部放電類型標(biāo)簽構(gòu)建訓(xùn)練樣本集和測試樣本集；

S3)利用訓(xùn)練樣本集和測試樣本集訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)訓(xùn)練和優(yōu)化進(jìn)一步學(xué)習(xí)得到深度卷積神經(jīng)網(wǎng)絡(luò)模型內(nèi)部各處的連接權(quán)值和偏置參數(shù)，從而得到完成訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)模型。

7.一種基于深度學(xué)習(xí)的局放缺陷時域圖譜診斷系統(tǒng)，其特征在于包括：

信號采集程序單元，用于采集目標(biāo)電力設(shè)備的多種類型的局部放電信號；

圖譜生成程序單元，用于將所有類型的局部放電信號轉(zhuǎn)換集成至同一時基坐標(biāo)系中形成綜合多通道時域圖譜；

缺陷識別程序單元，用于提取綜合多通道時域圖譜輸入預(yù)先完成訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)模型，通過深度卷積神經(jīng)網(wǎng)絡(luò)模型提取綜合多通道時域圖譜的圖譜特征并識別出目標(biāo)電力設(shè)備的局部放電信號所對應(yīng)的局部放電類型，所述深度卷積神經(jīng)網(wǎng)絡(luò)模型被預(yù)先完成訓(xùn)練建立了圖譜特征及其對應(yīng)的局部放電類型之間的映射關(guān)系。