电力设备局部放电故障的识别方法、装置及系统制造方法及图纸

本发明专利技术公开了一种电力设备局部放电故障的识别方法、装置及系统。其中，该方法包括：获取电力设备的放电信号；将电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果，其中，并行识别模型部署在多个子节点上；对多个并行识别结果进行汇总，得到故障识别结果。本发明专利技术解决了现有技术中的电力设备局部放电故障的识别方案为单机识别，无法满足大量数据的局部放电故障的识别的技术问题。

Method, device and system for identifying partial discharge fault of power equipment

The invention discloses a method, a device and a system for identifying partial discharge faults of power equipment. Among them, the method includes: discharge signal acquisition of power equipment; the discharge signal of the power equipment input to the parallel identification model, get multiple parallel recognition results, which, in more than one node parallel identification model of multiple parallel deployment; identification results summary, fault recognition results. The invention solves the technical problem that the recognition scheme of partial discharge fault of the power equipment in the prior art is a single machine identification, and can not meet the identification of the partial discharge fault of a large amount of data.

【技术实现步骤摘要】
电力设备局部放电故障的识别方法、装置及系统
本专利技术涉及高压电力设备局部放电故障识别领域，具体而言，涉及一种电力设备局部放电故障的识别方法、装置及系统。
技术介绍
局部放电是绝缘介质中由于局部缺陷而造成的非贯穿性放电现象，高压电力设备在制造和运行过程中产生的局部缺陷(如气泡、裂缝、悬浮金属颗粒和电极毛刺等)会导致电力设备在一定运行状态下发生局部放电故障。局部放电是变压器、GIS、电缆等电力设备长期运行中绝缘裂化的一个重要征兆。如果设备局部放电故障一直未被发现和处理最终可能导致电力设备发生灾难性的故障。局部放电检测能有效的反映变压器内部的绝缘故障，并可以根据放电统计谱图判别放电种类，对突发性故障的早期发现十分有效。要准确掌握高压电力设备的缺陷情况，及时安排检修维护，最有效的方法是对获得的局部放电信号进行放电故障模式识别，大量的研究表明，不同的放电模式对绝缘的危害程度不同。因此，高压电力设备的局部放电检测及其放电故障模式识别对电力设备的安全可靠运行掌握其绝缘状况及指导检修工作有着十分重要的意义。现阶段故障模式识别仍然处于单机识别阶段，局部放电数据采集设备采集放电信号，在本地上位机运行诊断程序，识别故障类别；但随着电网的信息化和智能化，单机运行的诊断程序无法满足多采集点大量数据的放电故障模式识别工作，更无法满足全国更多采集点的海量数据的及时分析和诊断。针对现有技术中的电力设备局部放电故障的识别方案为单机识别，无法满足大量数据的局部放电故障的识别的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种电力设备局部放电故障的识别方法、装置及系统，以至少解决现有技术中的电力设备局部放电故障的识别方案为单机识别，无法满足大量数据的局部放电故障的识别的技术问题。根据本专利技术实施例的一个方面，提供了一种电力设备局部放电故障的识别方法，包括：获取电力设备的放电信号；将电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果，其中，并行识别模型部署在多个子节点上；对多个并行识别结果进行汇总，得到故障识别结果。进一步地，在将电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果之前，上述方法还包括：基于预设分类算法，在多个子节点上建立预设网络模型；获取电力设备的放电测试信号，生成训练样本；基于训练样本对预设网络模型进行训练，生成并行识别模型。进一步地，基于预设分类算法，在多个子节点上建立预设网络模型包括：获取样本特征量；基于预设分类算法和样本特征量，建立预设网络模型，其中，预设网络模型包括：多个层级，每个层级包括：多个处理单元；对每个层级包含的多个处理单元进行划分，得到多组子处理单元，其中，多组子处理单元之间通过权值连接；将多组子处理单元分配至多个子节点，得到预设网络模型。进一步地，基于预设分类算法，在多个子节点上建立预设网络模型包括：获取样本特征量；基于预设分类算法和样本特征量，在每个子节点上建立一个预设网络模型。进一步地，基于训练样本对预设网络模型进行训练，生成并行识别模型包括：对训练样本进行划分，得到多组子训练样本；根据每组子训练样本对每个子节点上建立的预设网络模型进行训练，生成并行识别模型。进一步地，获取样本特征量包括：获取每种故障类型的放电信号统计特征；根据每种故障类型的放电信号特征，生成样本特征量。根据本专利技术实施例的另一方面，还提供了一种电力设备局部放电故障的识别装置，包括：第一获取单元，用于获取电力设备的放电信号；处理单元，用于将电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果，其中，并行识别模型部署在多个子节点上；汇总单元，用于对多个并行识别结果进行汇总，得到故障识别结果。进一步地，上述装置还包括：建立单元，用于基于预设分类算法，在多个子节点上建立预设网络模型；第二获取单元，用于获取电力设备的放电测试信号，生成训练样本；训练单元，用于基于训练样本对预设网络模型进行训练，生成并行识别模型。进一步地，建立单元包括：获取模块，用于获取样本特征量；第一建立模块，用于基于预设分类算法和样本特征量，建立预设网络模型，其中，预设网络模型包括：多个层级，每个层级包括：多个处理单元；第一划分模块，用于对每个层级包含的多个处理单元进行划分，得到多组子处理单元，其中，多组子处理单元之间通过权值连接；分配模块，用于将多组子处理单元分配至多个子节点，得到预设网络模型。进一步地，建立单元包括：获取模块，用于获取样本特征量；第二建立模块，用于基于预设分类算法和样本特征量，在每个子节点上建立一个预设网络模型。进一步地，训练单元包括：第二划分模块，用于对训练样本进行划分，得到多组子训练样本；训练模块，用于根据每组子训练样本对每个子节点上建立的预设网络模型进行训练，生成并行识别模型。进一步地，获取模块包括：获取子模块，用于获取每种故障类型的放电信号统计特征；生成子模块，用于根据每种故障类型的放电信号特征，生成样本特征量。根据本专利技术实施例的另一方面，还提供了一种电力设备局部放电故障的识别系统，包括：主节点，用于获取电力设备的放电信号；多个子节点，与主节点连接，多个子节点上部署有并行识别模型，用于将电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果；主节点还用于对多个并行识别结果进行汇总，得到故障识别结果。在本专利技术实施例中，获取电力设备的放电信号，将电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果，对多个并行识别结果进行汇总，得到故障识别结果。容易注意到的是，由于并行识别模型部署在多个子节点上，多个子节点可以并行对放电信号进行识别处理，得到多个并行识别结果，并通过对多个并行识别结果进行汇总，从而得到最终的故障识别结果，相比于现有技术中的单机识别，多机并行处理可以满足大量放电信号的及时分析和诊断，解决了现有技术中的电力设备局部放电故障的识别方案为单机识别，无法满足大量数据的局部放电故障的识别的技术问题。因此，通过本专利技术上述实施例确定的技术方案，可以达到提高识别能力和识别速度，提升电网智能化的技术效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种电力设备局部放电故障的识别方法的流程图；图2是根据本专利技术实施例的一种可选的结构并行的并行识别模型的示意图；图3是根据本专利技术实施例的一种可选的数据并行的并行识别模型的示意图；图4是根据本专利技术实施例的一种可选的电力设备局部放电故障的识别方法的流程图；图5是根据本专利技术实施例的一种电力设备局部放电故障的识别装置的示意图；以及图6是根据本专利技术实施例的一种电力设备局部放电故障的识别系统的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于本文档来自技高网...

【技术保护点】
一种电力设备局部放电故障的识别方法，其特征在于，包括：获取电力设备的放电信号；将所述电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果，其中，所述并行识别模型部署在多个子节点上；对多个所述并行识别结果进行汇总，得到故障识别结果。

【技术特征摘要】
1.一种电力设备局部放电故障的识别方法，其特征在于，包括：获取电力设备的放电信号；将所述电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果，其中，所述并行识别模型部署在多个子节点上；对多个所述并行识别结果进行汇总，得到故障识别结果。2.根据权利要求1所述的方法，其特征在于，在将所述电力设备的放电信号输入至并行识别模型中，得到多个并行识别结果之前，所述方法还包括：基于预设分类算法，在多个所述子节点上建立预设网络模型；获取所述电力设备的放电测试信号，生成训练样本；基于所述训练样本对所述预设网络模型进行训练，生成所述并行识别模型。3.根据权利要求2所述的方法，其特征在于，基于预设分类算法，在多个所述子节点上建立预设网络模型包括：获取样本特征量；基于预设分类算法和所述样本特征量，建立所述预设网络模型，其中，所述预设网络模型包括：多个层级，每个层级包括：多个处理单元；对每个所述层级包含的多个所述处理单元进行划分，得到多组子处理单元，其中，多组所述子处理单元之间通过权值连接；将多组所述子处理单元分配至多个所述子节点，得到所述预设网络模型。4.根据权利要求2所述的方法，其特征在于，基于预设分类算法，在多个所述子节点上建立预设网络模型包括：获取样本特征量；基于预设分类算法和所述样本特征量，在每个所述子节点上建立一个所述预设网络模型。5.根据权利要求4所述的方法，其特征在于，基于所述训练样本对所述预设网络模型进行训练，生成所述并行识别模型包括：对所述训练样本进行划分，得到多组子训练样本；根据每组所述子训练样本对每个所述子节点上建立的所述预设网络模型进行训练，生成所述并行识别模型。6.根据权利要求3至5中任意一项所述的方法，其特征在于，获取样本特征量包括：获取每种故障类型的放电信号统计特征；根据所述每种故障类型的放电信号特征，生成所述样本特征量。7.一种电力设备局部放电故障的识别装置，其特征在于，包括：第一获取单元，用于获取电力设备的放电信号；处理单元，用于将所述电力设备的放电信号输入至并行识别模型中，得到多个并行识别结...

【专利技术属性】
技术研发人员：唐志国，陶亦然，王竹晓，唐铭泽，张连根，邱凯，王倩，
申请(专利权)人：华北电力大学，北京华电智成电气设备有限公司，
类型：发明
国别省市：北京,11