局部放电模式识别方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种局部放电模式识别方法、装置、设备及存储介质，所述方法包括：获取油浸纸板的局部放电谱图；提取局部放电谱图对应的图像特征；其中，图像特征包括局部放电谱图的几何特征；将局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出局部放电谱图对应的局部放电模式。本申请实施例提供的技术方案可以提高对油浸纸板的局部放电模式识别的适应性与灵活性。

【技术实现步骤摘要】
局部放电模式识别方法、装置、设备及存储介质
本申请涉及电力系统
，特别是涉及一种局部放电模式识别方法、装置、设备及存储介质。
技术介绍
大型油浸式电力变压器作为电力系统的枢纽设备，其绝缘状态直接关系到电力系统的安全稳定运行。油浸式电力变压器主要采用油浸纸板来进行绝缘，油浸纸板的绝缘性能直接决定电力变压器的安全性能。因此，对油浸纸板的绝缘性能进行诊断评估具有重要的工程意义。油浸纸板产生的局部放电是引起油浸纸板绝缘性能劣化的主要原因。绝缘性能劣化甚至损伤与局部放电类型存在一定的相关性，通过识别局部放电模式可以及时预测或者发现绝缘故障。传统的，在识别油浸纸板的局部放电模式时，通常是利用局部放电检测仪获取到油浸纸板的原始放电数据后，再运用自回归模型对该原始放电数据进行拟合，将拟合所得的模型系数作为局部放电模式识别的特征向量，然后根据该特征向量得到油浸纸板的局部放电模式。然而，部分局部放电检测仪不能直接导出油浸纸板的原始放电数据，也就无法直接采用上述方法提取特征向量，进而得到油浸纸板的局部放电模式。因此，传统的，针对油浸纸板的局部放电模式识别方法的适应性窄、灵活性差。
技术实现思路
基于此，本申请实施例提供了一种局部放电模式识别方法、装置、设备及存储介质，可以提高对油浸纸板的局部放电模式识别的适应性与灵活性。第一方面，提供了一种局部放电模式识别方法，应用于油浸式变压器，油浸式变压器包括油浸纸板，该方法包括：获取油浸纸板的局部放电谱图；提取局部放电谱图对应的图像特征；其中，图像特征包括局部放电谱图的几何特征；将局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出局部放电谱图对应的局部放电模式。在其中一个实施例中，提取局部放电谱图对应的图像特征，包括：对局部放电谱图进行预处理，生成预处理后的局部放电谱图；获取预处理后的局部放电谱图上各个像素点的二维坐标，将二维坐标转换为极坐标，得到极坐标系下的局部放电谱图；通过小波变换计算极坐标系下的局部放电谱图对应的几何特征。在其中一个实施例中，对局部放电谱图进行预处理，生成预处理后的局部放电谱图，包括：对局部放电谱图进行二值化处理，生成局部放电谱图对应的原始二值化图像；获取原始二值化图像的重心；基于原始二值化图像的重心，将原始二值化图像进行投影变换生成新的二值化图像上；新的二值化图像的尺寸大于原始二值化图像的尺寸。在其中一个实施例中，几何特征包括几何矩；通过小波变换计算极坐标系下的局部放电谱图对应的几何特征，包括：获取极坐标系下的局部放电谱图上像素点的极坐标；根据像素点的极坐标，计算极坐标系下的局部放电谱图的几何矩；采用预设的小波基函数对几何矩进行小波变换，生成小波变换后的几何矩。在其中一个实施例中，采用预设的小波基函数对几何矩进行小波变换，生成小波变换后的几何矩，包括：获取预设的小波基函数的尺度因子集和位移因子集；根据尺度因子集和位移因子集，生成多个目标小波基函数；通过各目标小波基函数对几何矩进行小波变换，生成小波变换后的几何矩。在其中一个实施例中，预设神经网络模型为非线性分类器；将局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出局部放电谱图对应的局部放电模式，包括：将局部放电谱图对应的图像特征，输入至非线性分类器中进行分类，生成局部放电谱图对应的局部放电模式。在其中一个实施例中，该方法还包括：初始化粒子群算法的参数；参数包括初始正则化参数、初始标准化参数、最大迭代次数；根据样本集、初始正则化参数及初始标准化参数，计算初始非线性分类器的局部放电模式预测值；样本集包括局部放电谱图对应的图像特征；基于局部放电模式预测值、预设的局部放电模式标准值与预设适应度函数，对初始正则化参数及初始标准化参数进行迭代更新，直至达到最大迭代次数，生成新的正则化参数及新的标准化参数；根据新的正则化参数及新的标准化参数，生成非线性分类器。第二方面，提供了一种局部放电模式识别装置，该装置包括：获取模块，用于获取油浸纸板的局部放电谱图；提取模块，用于提取局部放电谱图对应的图像特征；其中，图像特征包括局部放电谱图的几何特征；识别模块，用于将局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出局部放电谱图对应的局部放电模式。第三方面，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一实施例中的方法步骤。第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一实施例中的方法步骤。上述局部放电模式识别方法、装置、设备及存储介质，通过获取油浸纸板的局部放电谱图；根据获取到的局部放电谱图提取局部放电谱图对应的图像特征；再将局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出局部放电谱图对应的局部放电模式。在本申请实施例提供的技术方案中，由于可以直接对获取到的局部放电谱图进行识别与分析，不需要通过局部放电检测仪导出油浸纸板的原始放电数据，从而提高了对油浸纸板的局部放电模式识别的适应性与灵活性；然后，将图像特征输入至预设神经网络模型中进行学习，从而识别出局部放电谱图对应的局部放电模式。附图说明图1为本申请实施例提供的一种计算机设备的框图；图2为本申请实施例提供的一种局部放电模式识别方法的流程图；图3为本申请实施例提供的一种局部放电模式识别方法的流程图；图4为本申请实施例提供的一种局部放电模式识别方法的流程图；图5为本申请实施例提供的一种局部放电模式识别方法的流程图；图6为本申请实施例提供的一种局部放电模式识别方法的流程图；图7为本申请实施例提供的一种局部放电模式识别方法的流程图；图8为本申请实施例提供的一种标准样品在1.2倍起晕电压下的PRPD谱图和TRPD谱图；图9为本申请实施例提供的一种受潮样品在1.2倍起晕电压下的PRPD谱图和TRPD谱图；图10为本申请实施例提供的一种未充分浸油样品在1.2倍起晕电压下的PRPD谱图和TRPD谱图；图11为本申请实施例提供的一种标准样品在1.5倍起晕电压下的PRPD谱图和TRPD谱图；图12为本申请实施例提供的一种受潮样品在1.5倍起晕电压下的PRPD谱图和TRPD谱图；图13为本申请实施例提供的一种未充分浸油样品在1.5倍起晕电压下的PRPD谱图和TRPD谱图；图14为本申请实施例提供的一种局部放电模式识别结果的示意图；图15为本申请实施例提供的一种局部放电模式识别装置的框图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。本申请提供的局部放电模式识别方法可以应用于计算机设备中，计算机设备可以是服务器，也可以是终端，其中，服本文档来自技高网...

【技术保护点】
1.一种局部放电模式识别方法，其特征在于，应用于油浸式变压器，所述油浸式变压器包括油浸纸板，所述方法包括：/n获取所述油浸纸板的局部放电谱图；/n提取所述局部放电谱图对应的图像特征；其中，所述图像特征包括所述局部放电谱图的几何特征；/n将所述局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出所述局部放电谱图对应的局部放电模式。/n

【技术特征摘要】
1.一种局部放电模式识别方法，其特征在于，应用于油浸式变压器，所述油浸式变压器包括油浸纸板，所述方法包括：
获取所述油浸纸板的局部放电谱图；
提取所述局部放电谱图对应的图像特征；其中，所述图像特征包括所述局部放电谱图的几何特征；
将所述局部放电谱图对应的图像特征，输入至预设神经网络模型中进行学习，识别出所述局部放电谱图对应的局部放电模式。


2.根据权利要求1所述的方法，其特征在于，所述提取所述局部放电谱图对应的图像特征，包括：
对所述局部放电谱图进行预处理，生成预处理后的局部放电谱图；
获取所述预处理后的局部放电谱图上各个像素点的二维坐标，将所述二维坐标转换为极坐标，得到极坐标系下的局部放电谱图；
通过小波变换计算所述极坐标系下的局部放电谱图对应的几何特征。


3.根据权利要求2所述的方法，其特征在于，所述对所述局部放电谱图进行预处理，生成预处理后的局部放电谱图，包括：
对所述局部放电谱图进行二值化处理，生成所述局部放电谱图对应的原始二值化图像；
获取所述原始二值化图像的重心；
基于所述原始二值化图像的重心，将所述原始二值化图像进行投影变换生成新的二值化图像上；所述新的二值化图像的尺寸大于所述原始二值化图像的尺寸。


4.根据权利要求2或3所述的方法，其特征在于，所述几何特征包括几何矩；所述通过小波变换计算所述极坐标系下的局部放电谱图对应的几何特征，包括：
获取所述极坐标系下的局部放电谱图上像素点的极坐标；
根据所述像素点的极坐标，计算所述极坐标系下的局部放电谱图的几何矩；
采用预设的小波基函数对所述几何矩进行小波变换，生成小波变换后的几何矩。


5.根据权利要求4所述的方法，其特征在于，所述采用预设的小波基函数对所述几何矩进行小波变换，生成小波变换后的几何矩，包括：
获取所述预设的小波基函数的尺度因子集和位移因子集；
根据所述尺度因子集和所述位移因子集，生...

【专利技术属性】
技术研发人员：李斯盟，刘志华，卜泽伟，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61