[发明专利]一种适用于开关柜局部放电的智能网关系统

权利要求书

1.一种适用于开关柜局部放电的智能网关系统，其特征在于，包括传感器模块、边缘数据采集和存储模块、边缘诊断分析模块和LoRa网关；

传感器模块包括多种采集终端和各采集终端的LoRa无线模块，用于采集局部放电多物理信号，并将信号通过LoRa无线模块传输给LoRa网关；

边缘数据采集和存储模块通过LoRA方式连接局放智能采集终端，对接收的不同智能采集终端的多物理信号进行精简状态特征集的规范化和有效性分析，实现局部放电多物理信号的精简状态特征就地提取；

边缘诊断分析模块包括智能终端节点数据的横向统计分析模块和基于放电阶段状态辨识的风险评估算法模块；横向统计分析模块和风险评估算法模块提取边缘数据采集和存储模块采集的数据，风险评估算法模块将调用SVM人工智能分类器算法进行辅助计算处理，存储处理完成的数据；

LoRa网关包括LoRa无线模块，通过LoRa无线模块实现LoRa网关与LoRa采集终端之间的数据传输；

在基于放电阶段状态辨识的风险评估算法模块中，从多物理量数据中提取并选择代表放电特征的精简特征参量，然后输入SVM分类器中，采用人工智能分类器进行放电阶段辨识和风险评估预警；根据放电的相关参量在平稳老化阶段和高风险阶段的差异，利用有效的特征参量作为放电发展阶段划分的依据，实现对气隙放电发展阶段的诊断；

放电特征的参量提取具体包括：基于放电的三个基础参量-幅值(V)、相位时间(t)，通过分析和运算构造22个相关的特征参量,最终构建成一个22维样本空间；选取Fisher得分和最大信息系数MIC这两个指标对应的算法来进行特征选择；

Fisher得分的评分机制公式如下：

其中，f ^t为第t个特征参量，c为样本的类别数，n_i为第i类样本的个数，μ^t为特征量f ^t的均值，为和分别为第i类样本的特征量f ^t的均值；由此可以得知，特征量f ^t的Fisher得分越高，其类内变化越小而异类间变化越大，因此Fisher得分越高越好；

MIC主要利用互信息和网格划分的方法进行相关的计算，互信息是用来衡量变量之间相关程度的指标，对于序列A＝{a₁,a₂,...,a_n}和B＝{b₁,b₂,...,b_n}，互信息定义为

其中，p(a)为序列A的边缘概率密度，p(b)为序列B的边缘概率密度，p(a,b)为序列A和B的联合概率密度；

依据Fisher得分和MIC对上节提取的22个特征参量进行特征选择，根据评分情况及相应的排序，从22个特征向量中取排名较高前60％即前13个特征向量，作为判定类别的特征子集。

2.如权利要求1所述的适用于开关柜局部放电的智能网关系统，其特征在于，传感器模块包括超声采集终端、高频电流采集终端、地电波采集终端以及和各采集终端的LoRa无线模块；传感器模块采集的局部放电多物理信号包括超声、高频电流、地点波；超声、高频电流和地电波智能终端均采用统一的硬件架构，通过无线相位对各智能终端进行同步。

3.如权利要求2所述的适用于开关柜局部放电的智能网关系统，其特征在于，传感器模块具体包括集成化智能终端电路、电源电路和信号处理电路；集成化智能终端电路包括超低功耗MCU、调理器、高精度始终外围电路、温度传感器、低功耗处理电路和LORA传输电路；电源电路包括电池、低功耗电源和开关电路；信号处理电路包括隔离电路、去耦电路、以及静电雷击浪涌保护电路；

集成化智能终端电路通过控制接口控制电源电路中的开关电路，信号处理电路连接电源电路中的低功耗电源。

4.如权利要求1所述的适用于开关柜局部放电的智能网关系统，其特征在于，高频/TEV信号的精简状态特征数据集包括提取放电脉冲的相位、幅值构成长度为N的二维数表；超声信号的精简状态特征数据集包括提取放电脉冲的相位、幅值序列，以及提取信号的前5次主频及其对应峰值，构成两段二维数据表。