[發明專利]基于卷積神經網絡的并聯電抗器絕緣故障診斷方法和裝置

在審

• 申請號: 202111363811.4
• 申請日: 2021-11-17
• 公開（公告）號: CN114062873A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 王文森;吳經鋒;張璐;丁彬;韓彥華;吳昊;王南;蒲路;楊傳凱;唐露甜;王辰曦
• 申請（專利權）人: 國網陜西省電力公司電力科學研究院
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 安彥彥

1.基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，包括以下步驟：

步驟1：進行并聯電抗器不同類型的局部放電實驗，采集并聯電抗器局部放電波形，將采集到的局部放電波形進行預處理，提取特征參量；對提取到每一個局部放電信號的所有特征參量進行雷達譜圖的構建；

步驟2：將局部放電類型下的雷達譜圖打上其所屬局部放電類型標簽，進行歸一化處理后，劃分訓練集與驗證集；

步驟3：將訓練集作為診斷模型的輸入變量，局部放電類型標簽為輸出變量，使用卷積神經網絡方法訓練診斷模型；

步驟4：通過調整模型訓練時的參數，使診斷模型的精度達到最高值；

步驟5：將驗證集輸入診斷模型中，驗證診斷模型的診斷效果：若驗證集的預測準確度較訓練集的預測準確度之差小于閾值，則模型訓練完成；否則，重新進行模型訓練；

步驟6：采集并聯電抗器的局部放電信號，得到其雷達譜圖，將雷達譜圖輸入診斷模型中，輸出診斷結果。

2.根據權利要求1所述的基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，所述步驟1中，特征參量為最大視在放電量、平均放電重復率、放電最大時間間隔、平均視在放電量、局放脈沖等效時間及等效頻率。

3.根據權利要求1所述的基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，所述步驟1中，對不同電極作用下的局部放電實驗得到的雷達譜圖設置統一的坐標范圍，坐標范圍是相應的特征參量范圍的1.5倍～2倍。

4.根據權利要求1所述的基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，所述步驟2中，按照7:3的比例將所有的雷達譜圖劃分為訓練集與驗證集。

5.根據權利要求1所述的基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，所述步驟3包括以下步驟：

S1、初始化診斷模型，設置訓練周期、初始化學習率與訓練一次所選樣本數，選用雙GPU并行運算；

S2、卷積層使用卷積核在雷達譜圖上逐步滑動窗口計算，提取輸入雷達譜圖的局部特征，滑動整個雷達譜圖后獲得局部特征，將得到的所有局部特征進行整合，獲得特征圖；

S3、ReLU激活函數對特征圖進行有效性判斷；

S4、norm層對特征圖的相鄰區域做歸一化處理；

S5、池化層對norm層輸出特征圖用Max Pooling池化方法提取最大值，輸出池化后特征圖；

S6、經過雙GPU的卷積與池化并行運算后已提取多個特征圖，全連接層將當前提取到的多個特征圖進行整合，得到一維特征向量；

S7、輸出層對得到的一維特征向量進行判別，選擇匹配的標簽進行分類，并計算誤差，得到誤差后更新卷積核與偏置；

S8、診斷模型將訓練集中多種標簽下所有雷達譜圖作為輸入，重復S2～S7，直至診斷模型的誤差值最低且預測準確度達到最高值。

6.根據權利要求5所述的基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，所述S7中，采用梯度下降法更新卷積核與偏置。

7.根據權利要求1所述的基于卷積神經網絡的并聯電抗器絕緣故障診斷方法，其特征在于，所述步驟4中，調整的參數為訓練周期與訓練一次所選樣本數。

8.一種并聯電抗器絕緣故障診斷裝置，其特征在于，包括電連接的采集模塊和處理模塊；

所述采集模塊用于采集被測并聯電抗器的局部放電波形，并傳遞至處理模塊；

所述處理模塊用于根據接收到的局部放電波形判斷被測并聯電抗器是否存在故障，以及故障類型。