[發明專利]雷電地閃回擊波形的自動識別方法、系統及電子設備

有效

• 申請號: 202010528035.8
• 申請日: 2020-06-09
• 公開（公告）號: CN111881723B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 王宇;方玉河;李健;朱慶猛;白冰潔;許遠根;陳揚;路永玲
• 申請（專利權）人: 南瑞集團有限公司;國網電力科學研究院武漢南瑞有限責任公司;國網江蘇省電力有限公司;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01R29/08;G06N20/00
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 潘杰;劉代樂

1.一種雷電地閃回擊波形的自動識別方法，其特征在于：

采集真實雷電信號；

利用預先訓練得到的識別模型對所述真實雷電信號的波形進行識別；

得到識別結果輸出；

其中，所述預先訓練得到的識別模型為通過對采集到的雷電原始波形數據，進行雷電信號類別標注以及特征提取，根據各個特征的重要程度進行特征篩選，并基于機器學習算法對篩選出的特征進行訓練得到；

所述雷電原始波形數據的采集包括：

利用雷電電場變化測量儀采集雷電地閃回擊的原始波形數據；

根據需要判別的雷電地閃回擊形成所需的最大時間，采用滑動窗口將雷電地閃回擊信號切片，并將雷電地閃回擊信號轉化為可供人工識別的波形圖像；

其中，所述雷電電場變化測量儀采集的雷電地閃回擊信號應均勻分布在探測站周圍10～200km范圍內。

2.根據權利要求1所述的雷電地閃回擊波形的自動識別方法，其特征在于：在利用機器學習算法對篩選出的特征進行訓練前，進一步包括：對樣本均衡性進行判斷，若樣本中存在某類數據明顯少于其它類數據，則判斷為該樣本存在不均衡現象；

對于所述不均衡現象中的正負樣本不平衡現象，采用負樣本抽樣法進行正負樣本平衡；

對于所述不均衡現象中的正樣本類別不平衡現象，采用上采樣法對正樣本進行擴充，實現正樣本之間的類別均衡。

3.根據權利要求1所述的雷電地閃回擊波形的自動識別方法，其特征在于：所述特征提取包括：

采用計算局部范圍內迭代差值來代替原始波形數值的方式進行波形轉換；

采用滑動窗對每個窗內的波形進行降采樣；

利用特征提取法進行特征提取。

4.根據權利要求3所述的雷電地閃回擊波形的自動識別方法，其特征在于：所述特征提取法包括基于滑動窗口的統計特征法、小波包特征法、梅爾倒譜系數法、線性預測系數法、線性預測倒譜系數法中的任意一種或多種。

5.根據權利要求1所述的雷電地閃回擊波形的自動識別方法，其特征在于：所述各個特征的重要程度采用隨機森林法進行計算。

6.根據權利要求1所述的雷電地閃回擊波形的自動識別方法，其特征在于：所述基于機器學習算法對篩選出的所述特征進行訓練包括：

對數據集進行劃分，使所述數據集中70％用于訓練，20％用于驗證，10％用于測試；

將準確率、召回率和速度作為評價指標，選取綜合得分最高的機器學習算法對篩選出的特征進行訓練；

所述綜合得分為對準確率評價得分、召回率評價得分和速度評價得分加權處理后的評分。

7.根據權利要求1所述的雷電地閃回擊波形的自動識別方法，其特征在于：還包括對識別模型進行優化，所述優化過程為：

利用識別模型對真實雷電信號進行預測，然后將模型的預測結果和實際波形的類別進行比對，得到模型的精度，若所述模型的精度低于設定精度閾值，則將實際檢測中存在的錯誤數據加入輸入數據中進行迭代處理，直至模型的精度達到設定的精度閾值。

8.根據權利要求6所述的雷電地閃回擊波形的自動識別方法，其特征在于：所述訓練過程中的超參數調優采用先隨機搜索，再網格搜索的方式進行調優。