[發明專利]基于磁場傳感器數據和機器學習方法的局部放電辨識方法

在審

• 申請號: 202210018200.4
• 申請日: 2022-01-07
• 公開（公告）號: CN114510963A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 李鵬;田兵;呂前程;尹旭;張佳明;劉仲;姚森敬;徐振恒;林力;譚則杰;林秉章;陳若;駱柏鋒
• 申請（專利權）人: 南方電網數字電網研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 成都睿道專利代理事務所(普通合伙) 51217
• 代理人: 薛波

本發明涉及電力系統技術領域，具體而言，涉及基于磁場傳感器數據和機器學習方法的局部放電辨識方法及系統。方法步驟如下：數據獲取，獲取磁場傳感器的局部放電數據，將局部放電數據的采樣點作為不同緯度的數據特征；獲取到局部放電數據的波形后，對波形進行濾波處理并打上數據標簽；對數據進行降維可視化處理，將各局部放電數據的波形分割開；對已分割的局部放電數據的波形進行分類器模型的訓練與驗證，評估分類結果并優化模型，通過訓練完成的分類器模型進行局部放電的辨識。本發明通過機器學習的方法對局部放電的數據進行分類，可靠性較高，具有實際的應用前景。

技術領域

本發明涉及電力系統技術領域，具體而言，涉及基于磁場傳感器數據和機器學習方法的局部放電辨識方法及系統。

背景技術

電力系統的安全可靠運行非常重要。電力設備是電力系統的重要組成部分。電力設備在制造和長期運行的過程中難免會存在因為各種因素給電力設備造成絕緣缺陷，造成電力設備內部發生局部放電。局部放電信號的檢測是避免局部放電造成重大安全事故的有效手段。局部放電信號在傳輸的過程中會有信號衰減，如果能把裝置埋設在設備內部，就可以更好地測量局部放電。如果能對局部放電進行模式識別，就能更好地定位故障和及時檢修。因此，亟需一種基于磁場傳感器數據的局部放電辨識方法。

發明內容

本發明的目的在于提供基于磁場傳感器數據和機器學習方法的局部放電辨識方法及系統，旨在解決背景技術中所指出的問題。

本發明的實施例通過以下技術方案實現：基于磁場傳感器數據和機器學習方法的局部放電辨識方法，包括如下步驟：

步驟一、數據獲取，獲取磁場傳感器的局部放電數據，將局部放電數據的采樣點作為不同緯度的數據特征；

步驟二、獲取到局部放電數據的波形后，對波形進行濾波處理并打上數據標簽；

步驟三、對數據進行降維可視化處理，將各局部放電數據的波形分割開；

步驟四、對已分割的局部放電數據的波形進行分類器模型的訓練與驗證，評估分類結果并優化模型，通過訓練完成的分類器模型進行局部放電的辨識。

根據一種優選實施方式，所述步驟二中采用橢圓濾波器對波形進行濾波處理。

根據一種優選實施方式，所述步驟三中采用PCA或T-SNE算法對數據進行降維可視化處理。

根據一種優選實施方式，所述分類器模型采用決策樹模型、線性判別模型、樸素貝葉斯分類器模型、SVM分類器模型或KNN分類器模型其中之一。

根據一種優選實施方式，所述步驟四中采用調節誤分類代價矩陣系數的方式優化模型。

本發明還提供基于磁場傳感器數據和機器學習方法的局部放電辨識系統，包括：

數據獲取模塊，用于獲取磁場傳感器的局部放電數據，將局部放電數據的采樣點作為不同緯度的數據特征；

預處理模塊，用于獲取到局部放電數據的波形后，對波形進行濾波處理并打上數據標簽；

降維模塊，用于對數據進行降維可視化處理，將各局部放電數據的波形分割開；

訓練模塊，用于對已分割的局部放電數據的波形進行分類器模型的訓練與驗證，評估分類結果并優化模型，通過訓練完成的分類器模型進行局部放電的辨識。

根據一種優選實施方式，所述預處理模塊采用橢圓濾波器對波形進行濾波處理。

根據一種優選實施方式，所述降維模塊采用PCA或T-SNE算法對數據進行降維可視化處理。

根據一種優選實施方式，所述分類器模型采用決策樹模型、線性判別模型、樸素貝葉斯分類器模型、SVM分類器模型或KNN分類器模型其中之一。