[发明专利]一种识别高压线缆局部放电的方法及装置

权利要求书

1.一种识别高压线缆局部放电的方法，其特征在于，

预先采集至少一个样本高压线缆中的多个电压序列样本，并确定在采集每个所述电压序列样本的过程中是否存在局部放电；

预先设置用于识别高压线缆局部放电的卷积神经网络模型；

利用所述多个电压序列样本以及每个所述电压序列样本对应的是否存在局部放电的结果，对所述卷积神经网络模型进行训练，训练出识别准确率高于预设值的目标卷积神经网络模型；

包括：

采集待识别的高压线缆的目标电压序列；

将所述目标电压序列输入到所述目标卷积神经网络模型中；

利用所述目标卷积神经网络模型确定所述待识别的高压线缆是否存在局部放电；

所述预先设置用于识别高压线缆局部放电的卷积神经网络模型，包括：

设置所述卷积神经网络模型的第一个卷积层的神经元个数为256，设置所述第一个卷积层的卷积核步长为2；

设置所述卷积神经网络模型的第二个卷积层的神经元个数为256，设置所述第二个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第三个卷积层的神经元个数为512，设置所述第三个卷积层的卷积核步长为2；

设置所述卷积神经网络模型的第四个卷积层的神经元个数为512，设置所述第四个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第五个卷积层的神经元个数为1024，设置所述第五个卷积层的卷积核步长为2；

设置所述卷积神经网络模型的第六个卷积层的神经元个数为1024，设置所述第六个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第七个卷积层的神经元个数为1024，设置所述第七个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第一个全连接层的神经元个数为2048；

设置所述卷积神经网络模型的第二个全连接层的神经元个数为1；

所述预先设置用于识别高压线缆局部放电的卷积神经网络模型，包括：

将所述卷积神经网络模型的输出层的激活函数设置为第一函数，其中，所述第一函数为：

将所述第一个卷积层、所述第二个卷积层、所述第三个卷积层、所述第四个卷积层、所述第五个卷积层、所述第六个卷积层和所述第七个卷积层的激活函数均设置为第二函数，其中，所述第二函数为：

f(x)＝max(0,x)；

所述预先设置用于识别高压线缆局部放电的卷积神经网络模型，包括：

将所述第一个卷积层和所述第二个卷积层设置为同一个残差模块；

将所述第三个卷积层和所述第四个卷积层设置为同一个残差模块；

将所述第五个卷积层和所述第六个卷积层设置为同一个残差模块；

进一步包括：

预先设置采样频率；

所述预先采集至少一个样本高压线缆中的多个电压序列样本，包括：

针对每个所述电压序列样本，执行：按照所述采样频率，采集当前电压序列样本对应的样本高压线缆中的交流电的n个样本电压值，利用所述n个样本电压值生成所述当前电压序列样本；

所述采集待识别的高压线缆的目标电压序列，包括：

按照所述采样频率，采集所述待识别的高压线缆中的交流电的n个目标电压值，利用所述n个目标电压值生成所述目标电压序列；

和/或，

所述预先设置用于识别高压线缆局部放电的卷积神经网络模型，包括：

设置所述卷积神经网络模型的损失函数为第三函数，其中，所述第三函数为：

2.一种识别高压线缆局部放电的装置，其特征在于，包括：

训练单元，用于采集至少一个样本高压线缆中的多个电压序列样本，并确定在采集每个所述电压序列样本的过程中是否存在局部放电，设置用于识别高压线缆局部放电的卷积神经网络模型，利用所述多个电压序列样本以及每个所述电压序列样本对应的是否存在局部放电的结果，对所述卷积神经网络模型进行训练，训练出识别准确率高于预设值的目标卷积神经网络模型；

采集单元，用于采集待识别的高压线缆的目标电压序列；

识别单元，用于将所述目标电压序列输入到所述目标卷积神经网络模型中，利用所述目标卷积神经网络模型确定所述待识别的高压线缆是否存在局部放电；

所述训练单元，在执行所述设置用于识别高压线缆局部放电的卷积神经网络模型时，具体用于：

设置所述卷积神经网络模型的第一个卷积层的神经元个数为256，设置所述第一个卷积层的卷积核步长为2；

设置所述卷积神经网络模型的第二个卷积层的神经元个数为256，设置所述第二个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第三个卷积层的神经元个数为512，设置所述第三个卷积层的卷积核步长为2；

设置所述卷积神经网络模型的第四个卷积层的神经元个数为512，设置所述第四个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第五个卷积层的神经元个数为1024，设置所述第五个卷积层的卷积核步长为2；

设置所述卷积神经网络模型的第六个卷积层的神经元个数为1024，设置所述第六个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第七个卷积层的神经元个数为1024，设置所述第七个卷积层的卷积核步长为1；

设置所述卷积神经网络模型的第一个全连接层的神经元个数为2048；

设置所述卷积神经网络模型的第二个全连接层的神经元个数为1；

所述训练单元，在执行所述设置用于识别高压线缆局部放电的卷积神经网络模型时，具体用于：

将所述卷积神经网络模型的输出层的激活函数设置为第一函数，其中，所述第一函数为：

将所述第一个卷积层、所述第二个卷积层、所述第三个卷积层、所述第四个卷积层、所述第五个卷积层、所述第六个卷积层和所述第七个卷积层的激活函数均设置为第二函数，其中，所述第二函数为：

f(x)＝max(0,x)；

所述训练单元，在执行所述设置用于识别高压线缆局部放电的卷积神经网络模型时，具体用于：

将所述第一个卷积层和所述第二个卷积层设置为同一个残差模块；

将所述第三个卷积层和所述第四个卷积层设置为同一个残差模块；

将所述第五个卷积层和所述第六个卷积层设置为同一个残差模块；

进一步包括：设置单元，用于设置采样频率；

所述训练单元，在执行所述采集至少一个样本高压线缆中的多个电压序列样本时，具体用于：

针对每个所述电压序列样本，执行：按照所述采样频率，采集当前电压序列样本对应的样本高压线缆中的交流电的n个样本电压值，利用所述n个样本电压值生成所述当前电压序列样本；

所述采集单元，用于按照所述采样频率，采集所述待识别的高压线缆中的交流电的n个目标电压值，利用所述n个目标电压值生成所述目标电压序列；

和/或，

所述训练单元，在执行所述设置用于识别高压线缆局部放电的卷积神经网络模型时，具体用于：

设置所述卷积神经网络模型的损失函数为第三函数，其中，所述第三函数为：