[發明專利]開關柜的局部放電檢測方法、裝置及存儲介質

在審

• 申請號: 202210087274.3
• 申請日: 2022-01-25
• 公開（公告）號: CN114527360A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 熊必成;張金山;關惠珊;藍仟惠;鄧裕強;高洪洋;羅婷婷
• 申請（專利權）人: 深圳泰豪數字科技有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

本申請公開了一種開關柜的局部放電檢測方法、裝置及存儲介質，涉及電力設備技術領域，通過預先訓練的卷積神經網絡模型對開關柜的超聲波信號頻譜和局部放電數據的灰度圖像進行處理，可以得到準確率較高的局部放電檢測結果。該方法包括：獲取待測開關柜在預設時長內的超聲波波形信號和PRPD圖譜；對超聲波波形信號進行預處理得到超聲波信號頻譜，并且基于PRPD圖譜中的局部放電數據得到灰度圖像；調用預先訓練的卷積神經網絡模型對超聲波信號頻譜和灰度圖像進行處理，確定待測開關柜的局部放電檢測結果。

技術領域

本申請實施例涉及電力設備技術領域，尤其涉及一種開關柜的局部放電檢測方法、裝置及存儲介質。

背景技術

開關柜的局部放電是高壓電氣設備常見的一種故障現象，會造成設備嚴重受損，所以對開關柜的局部放電檢測顯得尤為重要。目前，常用的開關柜的局部放電檢測方法為超聲波檢測法或者地電波檢測法，可以基于超聲波波形信號或地電波信號對開關柜進行局部放電檢測。

然而，基于現有的開關柜的局部放電檢測方法得到的局部放電檢測結果的準確率較低。

發明內容

本申請提供一種開關柜的局部放電檢測方法、裝置及存儲介質，可以提高得到的局部放電檢測結果的準確率。

為達到上述目的，本申請采用如下技術方案：

第一方面，本申請提供一種開關柜的局部放電檢測方法，包括：獲取待測開關柜在預設時長內的超聲波波形信號和PRPD圖譜；對超聲波波形信號進行預處理得到超聲波信號頻譜，并且基于PRPD圖譜中的局部放電數據得到灰度圖像；調用預先訓練的卷積神經網絡模型對超聲波信號頻譜和灰度圖像進行處理，確定待測開關柜的局部放電檢測結果。

本申請提供的技術方案中，可以基于預先訓練的卷積神經網絡模型得到待測開關柜的局部放電檢測結果，無需人為依靠經驗對獲取到的超聲波波形信號和PRPD圖譜進行判斷，這樣，可以避免人為因素對局部放電檢測結果的影響，提高得到的局部放電檢測結果的準確率，且可以提高局部放電檢測的檢測效率。并且，由于卷積神經網絡模型對圖像信息識別時的適應性更高，識別效果更好，所以，本申請可以將基于PRPD圖譜得到的灰度圖像作為卷積神經網絡模型的一種輸入特征，這樣，可以進一步提高卷積神經網絡模型輸出的局部放電檢測結果的準確率。另外，本申請中還可以基于超聲波波形信號和PRPD圖譜得到超聲波信號頻譜和灰度圖像，結合信號頻譜和灰度圖像兩種不同類型的信息確定局部放電檢測結果，可以進一步提高得到的局部放電檢測結果的準確率。

可選的，在一種可能的設計方式中，上述“調用預先訓練的卷積神經網絡模型對超聲波信號頻譜和灰度圖像進行處理”之前，本申請提供的開關柜的局部放電檢測方法還可以包括通過如下方式得到卷積神經網絡模型：

獲取樣本訓練集；樣本訓練集包括N個樣本數據組，樣本數據組包括樣本超聲波信號頻譜、樣本灰度圖像和樣本局部放電檢測結果；N為正整數；

基于卷積神經網絡算法對樣本訓練集進行訓練，得到卷積神經網絡模型；卷積神經網絡算法包括一維卷積神經網絡和二維卷積神經網絡。

可選的，在另一種可能的設計方式中，上述“對超聲波波形信號進行預處理得到超聲波信號頻譜”可以包括：

對超聲波波形信號進行分幀加窗處理，得到短時信號；

對短時信號進行時頻轉換得到超聲波信號頻譜。

可選的，在另一種可能的設計方式中，局部放電數據至少包括：工頻相位、局部放電次數以及局部放電脈沖信號幅度，上述“基于PRPD圖譜中的局部放電數據得到灰度圖像”，可以包括：

以局部放電脈沖信號幅度為縱軸，劃分L個區間，且以工頻相位為橫軸，劃分K個區間，得到二維坐標軸中的L×K個子區間；L和K均為正整數；

確定每個子區間的局部放電次數，并對局部放電次數進行歸一化處理；