[發(fā)明專(zhuān)利]一種基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的電力設(shè)備局部放電模式識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210060566.8
• 申請(qǐng)日: 2022-01-19
• 公開(kāi)（公告）號(hào): CN114417926A
• 公開(kāi)（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 王洪君;徐紅玉;張學(xué)林;張艷艷;劉東杰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南金迪知識(shí)產(chǎn)權(quán)代理有限公司 37219
• 代理人: 楊樹(shù)云

本發(fā)明涉及一種基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的電力設(shè)備局部放電模式識(shí)別方法及系統(tǒng)，包括：步驟1：獲取局部放電信號(hào)的PRPD圖譜并預(yù)處理；通過(guò)深度卷積生成對(duì)抗網(wǎng)絡(luò)得到擴(kuò)充數(shù)據(jù)集；對(duì)分類(lèi)網(wǎng)絡(luò)訓(xùn)練得到第一分類(lèi)模型；步驟2：獲取局部放電信號(hào)的實(shí)時(shí)波形并預(yù)處理，對(duì)分類(lèi)網(wǎng)絡(luò)訓(xùn)練得到第二分類(lèi)模型；步驟3：將待分類(lèi)的局部放電信號(hào)的PRPD圖譜預(yù)處理后輸入第一分類(lèi)模型，得到的第一分類(lèi)結(jié)果；將該待分類(lèi)的局部放電信號(hào)的實(shí)時(shí)波形預(yù)處理后輸入第二分類(lèi)模型，得到第二分類(lèi)結(jié)果；對(duì)第一分類(lèi)結(jié)果和第二分類(lèi)結(jié)果按照權(quán)重計(jì)算，得到最終的電力設(shè)備局部放電模式判別結(jié)果。本發(fā)明解決了樣本量的多樣性問(wèn)題；使判決結(jié)果的特征更具可靠性和魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的電力設(shè)備局部放電模式識(shí)別方法及系統(tǒng)，屬于局部放電模式識(shí)別技術(shù)領(lǐng)域。

背景技術(shù)

近年來(lái)，隨著電力系統(tǒng)的升級(jí)改造，電力設(shè)備所承載的電壓等級(jí)和裝機(jī)容量越來(lái)越大，與此同時(shí)，電力設(shè)備尤其是變壓器的故障預(yù)警、檢測(cè)工作變得尤為重要。在諸多的檢測(cè)手段之中，對(duì)于變壓器的局部放電信號(hào)的檢測(cè)和模式識(shí)別及定位是對(duì)于變壓器故障的預(yù)警工作的重要輔助手段。所謂局部放電，就是在電力系統(tǒng)中，在生產(chǎn)過(guò)程或者使用過(guò)程中產(chǎn)生了一些諸如氣隙、毛刺等絕緣弱點(diǎn)，這些絕緣弱點(diǎn)所在的區(qū)域在一定的電壓條件下會(huì)發(fā)生電氣擊穿的現(xiàn)象。局部放電出現(xiàn)則意味著電氣設(shè)備可能已經(jīng)出現(xiàn)了絕緣能力的劣化，如果不加以關(guān)注和維護(hù)會(huì)進(jìn)一步導(dǎo)致更為嚴(yán)重的損壞，從而使得電力設(shè)備壽命整體下降。如果能在局部放電出現(xiàn)的初期就對(duì)其采取正確的措施，可以有效降低電力設(shè)備維護(hù)成本，延長(zhǎng)設(shè)備使用壽命。對(duì)于局部放電的處理，首要的工作就是局部放電的模式識(shí)別，正確的模式識(shí)別可以為后續(xù)的故障預(yù)警、故障定位等工作提供可靠支撐。

目前，針對(duì)變壓器局部放電信號(hào)的檢測(cè)主要有以超高頻檢測(cè)法、脈沖電流法等為例的電測(cè)法和以超聲波檢測(cè)法化學(xué)檢測(cè)法等為例的非電測(cè)法，其中，電測(cè)法得益于其高靈敏度，得到了廣泛應(yīng)用。通過(guò)上述方式檢測(cè)到局放信號(hào)后，對(duì)其進(jìn)一步處理獲得包含豐富信息的特征參數(shù)，常見(jiàn)的特征參數(shù)形式主要有：統(tǒng)計(jì)特征、分形特征、波形特征等多種形式，在這其中，考慮到為了滿足實(shí)際應(yīng)用的實(shí)時(shí)性要求，采取統(tǒng)計(jì)特征作為分類(lèi)依據(jù)更具有可行性。常見(jiàn)的統(tǒng)計(jì)圖譜主要以局部放電相位分布(Phase Resolved Partial Discharge，PRPD)和脈沖序列的相位分布(Phase Resolved Pulse Sequence，PRPS)為主。PRPD圖譜體現(xiàn)了局部放電的放電量q、相位φ和放電次數(shù)n的三維關(guān)系，具有檢測(cè)條件要求較低、監(jiān)測(cè)信號(hào)噪聲分量低等優(yōu)勢(shì)，對(duì)局放PRPD圖譜的特征提取可以支撐對(duì)局放的模式識(shí)別技術(shù)。目前，對(duì)于PRPD圖譜的特征提取主要為基于傳統(tǒng)方法的特征提取分析，相關(guān)的模式識(shí)別算法具有泛化能力較低、魯棒性較低的缺陷。

近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)因其在圖像分類(lèi)領(lǐng)域的高效性和自動(dòng)提取特征等優(yōu)點(diǎn)引發(fā)了大量研究和關(guān)注。也有部分學(xué)者嘗試將卷積神經(jīng)網(wǎng)絡(luò)或者其他的深度學(xué)習(xí)方法應(yīng)用于局部放電模式識(shí)別算法中，但是，由于局部放電樣本量較少，受此局限，在模型訓(xùn)練階段，深度學(xué)習(xí)網(wǎng)絡(luò)模型往往不能提取到充足的特征信息來(lái)提供分類(lèi)依據(jù)，這極大地限制了深度學(xué)習(xí)的性能。

綜上，電力設(shè)備中由于絕緣缺陷類(lèi)型的形狀、位置等因素的不同，往往會(huì)產(chǎn)生具有不同特征的局部放電，常見(jiàn)的如絕緣放電、懸浮放電、沿面放電、尖端放電等。在現(xiàn)有的研究方法中，有的通過(guò)從PRPD圖譜中進(jìn)行分類(lèi)特征提取，但是因?yàn)闃颖玖坑邢薅绊懽罱K效果；有的通過(guò)對(duì)單一的實(shí)時(shí)波形進(jìn)行特征提取并作為分類(lèi)依據(jù)，但是此類(lèi)算法往往忽略了對(duì)于局放分類(lèi)極為重要的相位和次數(shù)分布特征參數(shù)，無(wú)法實(shí)現(xiàn)最佳的判決。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的電力設(shè)備局部放電模式識(shí)別方法；

本發(fā)明還提出了一種基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的電力設(shè)備局部放電模式識(shí)別系統(tǒng)。