[发明专利]基于迁移学习的新型绝缘缺陷识别方法、计算机设备及存储介质

权利要求书

1.基于迁移学习的新型绝缘缺陷识别方法，其特征在于，包括以下步骤：

S1：采集新型缺陷数据，以及采集与新型缺陷类型相似的高压电缆绝缘缺陷数据作为相似缺陷数据；

S2：分别对所述新型缺陷数据以及相似缺陷数据进行局部放电模式特征数据提取，得到特征数据集；

S3：设置门槛值，从所述特征数据集中提取匹配度最高的特征数据，并将所述匹配度最高的特征数据作为用于识别新型缺陷的训练数据集；

S4：选择分类器并初始化，将所述训练数据集输入分类器中进行训练，得到新型绝缘缺陷识别分类器模型；

S5：将新型缺陷数据输入所述分类器模型中，输出得到新型绝缘缺陷识别结果。

2.根据权利要求1所述的新型绝缘缺陷识别方法，其特征在于，所述S2步骤中，其具体步骤包括：

S2.1：对所述新型缺陷数据以及相似缺陷数据进行测试实验，得到相应的实验数据；

S2.2：对所述实验数据进行去噪，然后对其进行局部放电模式特征构建，得到相应的特征数据值，组成特征数据集。

3.根据权利要求1所述的新型绝缘缺陷识别方法，其特征在于，所述特征数据集中，每个数据样本标记有标签；所述标签包括数据样本的缺陷类型。

4.根据权利要求3所述的新型绝缘缺陷识别方法，其特征在于，所述S3步骤中，所述门槛值根据所述相似缺陷数据与新型缺陷数据之间的匹配度设置。

5.根据权利要求4所述的新型绝缘缺陷识别方法，其特征在于，所述S3步骤中，其具体步骤包括：

S3.1：计算所述相似缺陷数据与新型缺陷数据之间的匹配度；

S3.2：根据所述匹配度设置门槛值，提取匹配度最高的特征数据；

S3.3：将所述特征数据对应的标签中记录的缺陷类型修改为新型缺陷对应的标签编号；

S3.4：将所述特征数据作为用于识别新型缺陷的训练数据集。

6.根据权利要求5所述的新型绝缘缺陷识别方法，其特征在于，所述S3.1步骤中，所述相似缺陷数据与新型缺陷数据之间的匹配度采用欧氏距离表示；所述欧氏距离的计算公式如下：

其中，dist(X,Y)表示两组特征数据的欧氏距离，n为特征变量个数，x_i、y_i表示特征数据中的特征变量。

7.根据权利要求1所述的新型绝缘缺陷识别方法，其特征在于，所述S4步骤中，分类器包括但不仅限于BP-NN、SVM、CNN中的一种。

8.根据权里要求1所述的新型绝缘缺陷识别方法，其特征在于，所述S4步骤中，其具体步骤包括：

S4.1：选择合适的分类器并初始化；

S4.2：将所述训练数据集输入分类器中进行训练，得到初步的分类器模型；

S4.3：将所述新型缺陷数据自身的局部放电模式特征数据输入所述初步分类器模型中，对分类器中连接权值参数进行调整，得到新型绝缘缺陷识别分类器模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的基于迁移学习的新型绝缘缺陷识别方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的基于迁移学习的新型绝缘缺陷识别方法的步骤。