[发明专利]一种配电网局部放电超声波检测方法及系统

权利要求书

1.一种配电网局部放电超声波检测方法，其特征在于，包括：

根据历史配电设备局部放电缺陷的超声波信号、历史配电设备局部放电缺陷的图像和历史配电设备检测结果训练神经网络模型，得到训练好的神经网络模型；所述训练好的神经网络模型包括一层周期神经网络层、一层卷积神经网络层和多层全连接层；

将待测配电网设备的局部放电缺陷的超声波信号转换成梅氏倒频谱数据；

将所述梅氏倒频谱数据输入所述周期神经网络层进行学习得到第一特征；

将待测配电网设备的局部放电缺陷的图像输入所述卷积神经网络层进行学习得到第二特征；

将所述第一特征和所述第二特征进行线性拼接后得到第三特征；

将所述第三特征输入所述多层全连接层，得到待测配电网设备的检测结果。

2.根据权利要求1所述的配电网局部放电超声波检测方法，其特征在于，所述根据历史配电设备局部放电缺陷的超声波信号、历史配电设备局部放电缺陷的图像和历史配电设备检测结果训练神经网络模型，得到训练好的神经网络模型，具体为：

将所述历史配电设备局部放电缺陷的超声波信号和所述历史配电设备局部放电缺陷的图像输入至所述神经网络模型，得到输出结果；

根据所述输出结果以及所述历史配电设备检测结果调整所述神经网络模型，得到训练好的神经网络模型。

3.根据权利要求2所述的配电网局部放电超声波检测方法，其特征在于，所述根据所述输出结果以及所述历史配电设备检测结果调整所述神经网络模型，得到训练好的神经网络模型，具体为：

判断所述输出结果与所述历史配电设备检测结果的误差是否在误差范围内；

若是，则确定所述神经网络模型为训练好的神经网络模型；

若否，则利用梯度反向传播算法调整所述神经网络模型，使所述输出结果与所述历史配电设备检测结果的误差在误差范围内。

4.根据权利要求1所述的配电网局部放电超声波检测方法，其特征在于，所述配电设备检测结果包括配电设备局部放电的缺陷类型、配电设备故障的严重程度和配电设备的使用寿命。

5.根据权利要求1所述的配电网局部放电超声波检测方法，其特征在于，所述将待测配电网设备的局部放电缺陷的超声波信号转换成梅氏倒频谱数据，具体为：

将待测配电网设备的局部放电缺陷的超声波信号转换成数字信号；

对所述数字信号进行加窗处理获得加窗后的数字信号；

将所述加窗后的数字信号进行傅里叶变换，得到信号序列；

对所述信号序列进行滤波，得到滤波后的频谱信号；

对所述频率信号进行倒频谱计算得到梅氏倒频谱数据。

6.一种配电网局部放电超声波检测系统，其特征在于，包括：

训练模块，用于根据历史配电设备局部放电缺陷的超声波信号、历史配电设备局部放电缺陷的图像和历史配电设备检测结果训练神经网络模型，得到训练好的神经网络模型；所述训练好的神经网络模型包括一层周期神经网络层、一层卷积神经网络层和多层全连接层；

梅氏倒频谱数据获取模块，用于将待测配电网设备的局部放电缺陷的超声波信号转换成梅氏倒频谱数据；

第一特征获取模块，用于将所述梅氏倒频谱数据输入所述周期神经网络层进行学习得到第一特征；

第二特征获取模块，用于将待测配电网设备的局部放电缺陷的图像输入所述卷积神经网络层进行学习得到第二特征；

第三特征获取模块，用于将所述第一特征和所述第二特征进行线性拼接后得到第三特征；

检测模块，用于将所述第三特征输入所述多层全连接层，得到待测配电网设备的检测结果。

7.根据权利要求6所述的配电网局部放电超声波检测系统，其特征在于，所述训练模块包括：

输入单元，用于将所述历史配电设备局部放电缺陷的超声波信号和所述历史配电设备局部放电缺陷的图像输入至所述神经网络模型，得到输出结果；

调整单元，用于根据所述输出结果以及所述历史配电设备检测结果调整所述神经网络模型，得到训练好的神经网络模型。