[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在审

专利信息
申请号: 202011407641.0 申请日: 2020-12-04
公开(公告)号: CN112578240A 公开(公告)日: 2021-03-30
发明(设计)人: 黄山;刘弘景;任志刚;苗旺;吴麟琳;刘可文;见伟;邱收;郑增文 申请(专利权)人: 国网北京市电力公司;国家电网有限公司
主分类号: G01R31/12 分类号: G01R31/12
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 赵静
地址: 100031 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 放电 类型 确认 方法 装置 存储 介质 电子
【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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网北京市电力公司;国家电网有限公司,未经国网北京市电力公司;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011407641.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top