[发明专利]一种配电网局部放电超声波检测方法及系统

说明书

本发明涉及一种基于深度学习的配电网局部放电超声波检测方法及系统，方法包括：训练神经网络模型；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；将梅氏倒频谱数据输入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卷积神经网络层进行学习得到第二特征；将第一特征和第二特征进行线性拼接后得到第三特征；将第三特征输入多层全连接层，得到待测配电网设备的检测结果。本发明提出的检测方法及系统相对于现有的人工检测更高效、更准确。

技术领域

本发明涉及配电网技术领域，特别是涉及一种配电网局部放电超声波检测方法及系统。

背景技术

配电线路巡视工作是配电专业日常运维管理的重要工作。我国配电线路以架空方式为主，在线路运行过程中，高压电气设备长期存在局部放电，会加速设备老化，最终导致故障发生。架空线路设备发生局部放电时仅凭巡视人员肉眼与耳朵很难发现，特别是一些轻微的局部放电。目前我国电力企业对生产运维精益化要求不断提高，新设备、新材料的持续增长以及配网设备整体规模数量的急剧增加，导致现场检修、日常运行维护工作剧增，生产结构性缺员与供电可靠性要求的矛盾日益突出。

传统的通过外观检查、手工记录开展配电线路日常巡视检查的工作方式，无法对设备状态及潜伏性故障有效掌握，特别是当前我国对输配电设备施行定期检修等方式，针对性不强。传统检测无法掌握设备的潜伏性故障，对设备状态难以真实有效地进行评价，以致检修策略缺乏针对性，可能导致设备“失修”、“过修”的问题频频出现；同时传统检修增加了停电次数。传统的计划检修和例行试验需要对线路进行停电，客观上降低了供电可靠性指标，也可能因检修周期过长的影响无法及时掌控设备状态。

发明内容

本发明的目的是提供一种基于深度学习的配电网局部放电超声波检测方法，解决了现有技术存在的问题，能够高效、准确的检测配网设备的状态。

为实现上述目的，本发明提供了如下方案：

一种配电网局部放电超声波检测方法，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。

可选的，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。

可选的，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；