[发明专利]放电类型的确认方法及装置、存储介质及电子装置

权利要求书

1.一种放电类型的确认方法，其特征在于，包括：

获取目标设备采集的目标区域的局部放电信息，其中，所述局部放电信息至少包含以下之一:所述目标区域的放电信号、所述目标区域的干扰信号；

对所述局部放电信息进行分析处理，以得到所述局部放电信息的特征向量；

将所述特征向量输入到目标神经网络模型中，以得到所述特征向量的目标放电类型，其中，所述目标神经网络模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：特征向量，以及特征向量对应的放电类型。

2.根据权利要求1所述的方法，其特征在于，对所述局部放电信息进行分析处理，以得到所述局部放电信息的特征向量，包含：

对所述局部放电信息进行盲源分离的分析处理，获取所述局部放电信息中的多个目标放电源信号；

将多个所述目标放电源信号进行线性组合，以得到所述目标区域的局部放电信号；

对所述局部放电信号进行小波包分解变换处理，以得到所述局部放电信息的特征向量。

3.根据权利要求2所述的方法，其特征在于，对所述局部放电信号进行小波包分解变换处理，以得到所述局部放电信息的特征向量，包括：

获取预设的小叶包分解的分级层数以及所述目标设备的采样频率；

将所述采样频率根据分级层数进行向下分解，得到底层的每一节点对应的所述局部放电信号采样频率的频带能量值；

根据所述频带能量值确定所述局部放电信息的特征向量。

4.根据权利要求3所述的方法，其特征在于，根据所述频带能量值确定所述局部放电信息的特征向量，包括：

对处于不同维度间的每一节点的频带能量值进行目标处理，以得到多个目标特征向量，其中，所述目标处理为将每一节点的频带能量值与总能量值的比作为目标特征向量，所述总能量值为所述分级层数的底层的每一节点的频带能量值的总和；

根据所述多个目标特征向量确定所述局部放电信息的特征向量。

5.根据权利要求1所述的方法，其特征在于，将所述特征向量输入到目标神经网络模型中，以得到所述特征向量的目标放电类型之前，所述方法还包括：

通过以下方式构建所述目标神经网络：获取数量大于预设阈值的特征向量，以及特征向量对应的放电类型；

通过所述数量大于预设阈值的特征向量，以及特征向量对应的放电类型对所述目标神经网络进行训练，得到训练好的目标神经网络。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述目标放电类型至少包括以下之一：平板电极放电、针板电极放电、表面放电。

7.一种放电类型的确认装置，其特征在于，包括：

获取模块，用于获取目标设备采集的目标区域的局部放电信息，其中，所述局部放电信息至少包含以下之一:所述目标区域的放电信号、所述目标区域的干扰信号；

分析模块，用于对所述局部放电信息进行分析处理，以得到所述局部放电信息的特征向量；

确定模块，用于将所述特征向量输入到目标神经网络模型中，以得到所述特征向量的目标放电类型，其中，所述目标神经网络模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：特征向量，以及特征向量对应的放电类型。

8.根据权利要求7所述的装置，其特征在于，所述分析模块，还用于对所述局部放电信息进行盲源分离的分析处理，获取所述局部放电信息中的多个目标放电源信号；将多个所述目标放电源信号进行线性组合，以得到所述目标区域的局部放电信号；对所述局部放电信号进行傅里叶函数分解变换处理，以得到所述局部放电信息的特征向量。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至6任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述的方法。