[发明专利]一种识别高压线缆局部放电的方法及装置

说明书

本发明提供了一种识别高压线缆局部放电的方法及装置，该方法，包括：预先采集至少一个样本高压线缆中的多个电压序列样本，并确定在采集每个电压序列样本的过程中是否存在局部放电；预先设置卷积神经网络模型；利用多个电压序列样本以及每个电压序列样本对应的是否存在局部放电的结果，对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；采集待识别的高压线缆的目标电压序列；将目标电压序列输入到目标卷积神经网络模型中；利用目标卷积神经网络模型确定待识别的高压线缆是否存在局部放电。本发明提供了一种识别高压线缆局部放电的方法及装置，能够更加方便的识别出高压线缆是否存在局部放电的情况。

技术领域

本发明涉及局部放电检测技术领域，特别涉及一种识别高压线缆局部放电的方法及装置。

背景技术

现代电力主要通过交流高压电的形式在线缆中进行远距离传输。高压电在线缆中传输会存在局部放电现象，同一位置的多次放电会引起线缆绝缘性能劣化，如果不能及时修复则会造成线缆损坏，继而引起电力断供、火灾等事故。

现有技术中，主要是通过人工方式，选择高压线缆的多个区段进行检测，非常不方便。

发明内容

本发明实施例提供了一种识别高压线缆局部放电的方法及装置，能够更加方便的识别出高压线缆是否存在局部放电的情况。

一方面，本发明实施例提供了一种识别高压线缆局部放电的方法，包括：

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；

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。

可选地，

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。

可选地，

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：