[發明專利]一種電纜絕緣劣化類型判別方法及系統在審

申請號：	202210332504.8	申請日：	2022-03-31
公開（公告）號：	CN114818783A	公開（公告）日：	2022-07-29
發明（設計）人：	徐濤;石銀霞;盧潤戈;謝文卓;周卓蓓;阮耀萱	申請（專利權）人：	廣東電網有限責任公司廣州供電局
主分類號：	G06K9/00	分類號：	G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01R31/12
代理公司：	廣州市華學知識產權代理有限公司 44245	代理人：	李斌
地址：	510620 廣***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種電纜絕緣類型判別方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種電纜絕緣劣化類型判別方法及系統。該方法包括：獲取通電實驗中的電流波形；截取所述電流波形中包含至少一個完整周期的合成波的圖片；獲取所述合成波的諧波特征值以及合成波中諧波的貢獻度；依據所述合成波中諧波的貢獻度得到其對應的劣化類型；構建電纜絕緣劣化類型判別模型；將所述包含至少一個完整周期的合成波的圖片與其對應的劣化類型關聯綁定后作為訓練圖片，對電纜絕緣劣化類型判別模型進行訓練，得到訓練好的電纜絕緣劣化類型判別模型。本申請將合成波的圖片片段作為輸入，可以模糊因為非劣化相關的原因而產生的諧波的影響，同時別免了大量的運算量，可大大提高測試效率和準確度，具有先進性。

技術領域

本發明屬于電纜故障預防和診斷的技術領域，具體涉及一種電纜絕緣劣化類型判別方法及系統。

背景技術

隨著科技的飛速發展，越來越多的檢測工作需要用到計算機輔助，來提升檢測效率和質量。比如在電纜的故障預防和故障診斷的工作中，對電纜進行通電后，通過提取電纜檢測點處的諧波特征值，然后將諧波特征值輸入數據庫中進行自動的比對運算，由數據庫給出與2、3、4、5...n次諧波分別對應的貢獻度，然后由工作人員查表得到電纜的劣化類型；

上述方法雖然最終能夠對電纜的劣化類型進行較為準確的判斷，但是其過程需運用較大的運算量，且電纜電流中也可能因為非劣化相關的原因而產生諧波，這部分諧波有可能會被提取特征值而納入數據庫對貢獻率的判斷數據中，從而可能會對最終的電纜的劣化類型的判斷產生影響。

深度學習的概念源于人工神經網絡的研究，含多個隱藏層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。研究深度學習的動機在于建立模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本等。從一個輸入中產生一個輸出所涉及的計算可以通過一個流向圖(flow graph)來表示：流向圖是一種能夠表示計算的圖，在這種圖中每一個節點表示一個基本的計算以及一個計算的值，計算的結果被應用到這個節點的子節點的值。考慮這樣一個計算集合，它可以被允許在每一個節點和可能的圖結構中，并定義了一個函數族。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種電纜絕緣劣化類型判別方法及系統。

為了達到上述目的，本發明采用以下技術方案：

本發明的一個方面，提供了一種電纜絕緣劣化類型判別方法，包括下述步驟：

獲取通電實驗中的電流波形；

截取所述電流波形中包含至少一個完整周期的合成波的圖片；

獲取所述合成波的諧波特征值以及合成波中諧波的貢獻度；

依據所述合成波中諧波的貢獻度得到其對應的劣化類型；

構建電纜絕緣劣化類型判別模型；

將所述包含至少一個完整周期的合成波的圖片與其對應的劣化類型關聯綁定后作為訓練圖片，對電纜絕緣劣化類型判別模型進行訓練，得到訓練好的電纜絕緣劣化類型判別模型；

將待判別電纜的通電實驗合成波圖片輸入至訓練好的電纜絕緣劣化類型判別模型，即得待判別電纜的劣化類型。

作為優選的技術方案，作為訓練圖片的所述包含至少一個完整周期的合成波的圖片，其大小、格式保持一致，且均從剛過合成波零點的位置進行截取。