开关柜中局放模式的检测方法及装置制造方法及图纸

本发明专利技术提供一种开关柜中局放模式的检测方法及装置。该方法包括：获取真实样本，真实样本包括开关柜的真实局放信号和与真实局放信号对应的局放模式；将真实样本输入样本生成模型，经样本生成模型的生成器降维处理和反向重构后，生成与真实样本分布接近的局放样本；生成器用于在降维处理和反向重构过程中增强对真实局放信号各维度特征的约束；基于局放样本，训练得到局放预测模型，并将开关柜的实时局放信号输入局放预测模型，得到开关柜的局放模式。本发明专利技术能够提高开关柜局放模式检测的准确度。确度。确度。

【技术实现步骤摘要】
开关柜中局放模式的检测方法及装置


[0001]本专利技术涉及输变电
，尤其涉及一种开关柜中局放模式的检测方法 及装置。

技术介绍

[0002]开关柜在电力系统中占据着至关重要的地位，其良好的运行状态是保证电 力系统安全可靠运行的重要基础。随着我国特高压电网的快速建设发展，局部 放电已经成为了引起变压器绝缘性能降低甚至劣化的关键因素。且不同种类的 局部放电形式会对电气设备造成不同程度的危害。因此对局放类型的精准辨识 可以为电力设备健康状态评估提供可靠的参考信息，也可以作为局放故障定位的辅助手段，有助于提高局放故障定位的精度。
[0003]而在局放模式识别时，样本数量较少，类型分布不均衡，导致分类器的训 练过程存在样本缺失、信息不全等问题。分类器对局放模式的识别的准确度收 到影响。

技术实现思路

[0004]本专利技术提供了一种开关柜中局放模式的检测方法及装置，能够提高开关柜 局放模式检测的准确度。
[0005]第一方面，本专利技术提供了一种开关柜中局放模式的检测方法，包括：获取 真实样本，真实样本包括开关柜的真实局放信号和与真实局放信号对应的局放 模式；将真实样本输入样本生成模型，经样本生成模型的生成器降维处理和反 向重构后，生成与真实样本分布接近的局放样本；生成器用于在降维处理和反 向重构过程中增强对真实局放信号各维度特征的约束；基于局放样本，训练得到局放预测模型，并将开关柜的实时局放信号输入局放预测模型，得到开关柜 的局放模式。
[0006]本专利技术提供一种开关柜中局放模式的检测方法，一方面，通过样本生成模 型生成局放样本，增加了局放样本的多样性，丰富了局放预测模型的训练样 本，降低局放预测模型过程中样本缺失、信息不全的问题，提高了局放预测模 型对局放模式检测的准确度。另一方面，样本生成模型中的生成器在降维处理 和反向重构过程中增强对真实局放信号各维度特征的约束，提高了生成的局放样本各维度特征与实局放信号各维度特征的相似度，也即局放样本与真实样本 的分布接近，提高了局放样本的真实性，从而进一步提高了开关柜局放模式检 测的准确度。
[0007]在一种可能的实现方式中，生成器包括OGC模块和SAG模块；将真实样 本输入样本生成模型，经样本生成模型的生成器降维处理和反向重构后，生成 与真实样本分布接近的局放样本，包括：将真实样本输入样本生成模型，通过 OGC模块，对真实样本中的真实局放信号进行降维处理，得到降维信号；通 过SAG模块，对降维信号进行反向重构，得到模拟局放信号；基于模拟局放 信号和局放模式，生成局放样本。
[0008]在一种可能的实现方式中，将真实样本输入样本生成模型，通过OGC模 块，对真实样本中的真实局放信号进行降维处理，得到降维信号，包括：对于 每次降维过程，通过OGC
模块，基于自适应确定该次降维过程中学习矩阵的 权重调整值；权重调整值用于调整降维过程中各特征值对应的权重；基于上一 次降维得到的局放信号，学习矩阵，以及权重调整值，确定该次降维过程得到 的降维信号。
[0009]在一种可能的实现方式中，通过SAG模块，对降维信号进行反向重构， 得到模拟局放信号，包括：对于每次反向重构过程，通过SAG模块，基于自 注意机制，确定该次反向重构过程中网络参数权重；网络参数权重用于调整反向重构过程中各特征值对应的权重；基于上一次反向重构过程得到的局放信号，和网络参数权重，确定该次反向重构过程得到的局放信号。
[0010]在一种可能的实现方式中，将真实样本输入样本生成模型，经样本生成模 型的生成器降维处理和反向重构后，生成与真实样本分布接近的局放样本之 前，还包括：基于真实样本，优化预先设置的样本生成模型的模型参数，得到 样本生成模型。
[0011]在一种可能的实现方式中，基于真实样本，优化预先设置的样本生成模型 的模型参数，得到样本生成模型，包括：步骤一，固定生成器的参数，基于真 实样本，以减小鉴别器的损失函数为目标，以鉴别器判定为真为结果，对鉴别 器的参数进行优化；步骤二，固定生成器的参数，基于真实样本，并在生成器 中添加随机噪声，以减小鉴别器的损失函数为目标，以鉴别器判定为假为结果，对鉴别器的参数进行优化；步骤三，固定鉴别器的参数，基于真实样本， 并在生成器中添加随机噪声，以鉴别器判定为真为结果，得到梯度信息；基于 梯度信息，以减小生成器的损失函数为目标，对生成器的参数进行优化；步骤 四，若生成器的损失函数和鉴别器的损失函数达到纳什均衡点，则停止优化过 程，得到样本生成模型；若生成器的损失函数和鉴别器的损失函数未达到纳什 均衡点，则重复步骤一至步骤四，直至退出迭代过程。
[0012]在一种可能的实现方式中，降维过程中的降维信号基于如下公式生成；
[0013][0014]其中，为用于调整权重的加权函数，为用于调整权重的加权函数， X
n
第n次迭代过程中的特征向量，为各维度学习矩阵参数权重， X
(n+1)
为第n+1次迭代过程中的特征值；
[0015]反向重构过程中的局放信号基于如下公式生成；
[0016][0017]其中，W
(n+1)
为第n+1次迭代过程中的权重向量，W
n
为第n次迭代过程中的权重向量，该维度下的网络参数权重，X
n
为第n次迭代时的特征向量， σ为激活函数。
[0018]第二方面，本专利技术实施例提供了一种开关柜中局放模式的检测装置，包 括：通信模块，用于获取真实样本，真实样本包括开关柜的真实局放信号和与 真实局放信号对应的局放模式；处理模块，用于将真实样本输入样本生成模 型，经样本生成模型的生成器降维处理和反向重构后，生成与真实样本分布接 近的局放样本；生成器用于在降维处理和反向重构过程中增强对真实局放信号各维度特征的约束；基于局放样本，训练得到局放预测模型，并将开关柜的实 时局放信号输入局放预测模型，得到开关柜的局放模式。
[0019]在一种可能的实现方式中，生成器包括OGC模块和SAG模块；处理模 块，具体用于将真实样本输入样本生成模型，通过OGC模块，对真实样本中 的真实局放信号进行降维处理，得到降维信号；通过SAG模块，对降维信号 进行反向重构，得到模拟局放信号；基于模拟局放信号和局放模式，生成局放样本。
[0020]在一种可能的实现方式中，处理模块，具体用于对于每次降维过程，通过 OGC模块，基于自适应确定该次降维过程中学习矩阵的权重调整值；权重调 整值用于调整降维过程中各特征值对应的权重；基于上一次降维得到的局放信 号，学习矩阵，以及权重调整值，确定该次降维过程得到的降维信号。
[0021]在一种可能的实现方式中，处理模块，具体用于对于每次反向重构过程， 通过SAG模块，基于自注意机制，确定该次反向重构过程中网络参数权重； 网络参数权重用于调整反向重构过程中各特征值对应的权重；基于上一次反向 重构过程得到的局放信号，和网络参数权重，确定该次反向重构过程得到的局 放信号。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种开关柜中局放模式的检测方法，其特征在于，包括：获取真实样本，所述真实样本包括开关柜的真实局放信号和与所述真实局放信号对应的局放模式；将所述真实样本输入样本生成模型，经样本生成模型的生成器降维处理和反向重构后，生成与真实样本分布接近的局放样本；所述生成器用于在降维处理和反向重构过程中增强对所述真实局放信号各维度特征的约束；基于所述局放样本，训练得到局放预测模型，并将开关柜的实时局放信号输入所述局放预测模型，得到所述开关柜的局放模式。2.根据权利要求1所述的开关柜中局放模式的检测方法，其特征在于，所述生成器包括OGC模块和SAG模块；所述将所述真实样本输入样本生成模型，经样本生成模型的生成器降维处理和反向重构后，生成与真实样本分布接近的局放样本，包括：将所述真实样本输入样本生成模型，通过所述OGC模块，对所述真实样本中的真实局放信号进行降维处理，得到降维信号；通过所述SAG模块，对所述降维信号进行反向重构，得到模拟局放信号；基于所述模拟局放信号和所述局放模式，生成所述局放样本。3.根据权利要求2所述的开关柜中局放模式的检测方法，其特征在于，所述将所述真实样本输入样本生成模型，通过所述OGC模块，对所述真实样本中的真实局放信号进行降维处理，得到降维信号，包括：对于每次降维过程，通过所述OGC模块，基于自适应确定该次降维过程中学习矩阵的权重调整值；所述权重调整值用于调整降维过程中各特征值对应的权重；基于上一次降维得到的局放信号，所述学习矩阵，以及所述权重调整值，确定该次降维过程得到的降维信号。4.根据权利要求2所述的开关柜中局放模式的检测方法，其特征在于，所述通过所述SAG模块，对所述降维信号进行反向重构，得到模拟局放信号，包括：对于每次反向重构过程，通过所述SAG模块，基于自注意机制，确定该次反向重构过程中网络参数权重；所述网络参数权重用于调整反向重构过程中各特征值对应的权重；基于上一次反向重构过程得到的局放信号，和所述网络参数权重，确定该次反向重构过程得到的局放信号。5.根据权利要求1所述的开关柜中局放模式的检测方法，其特征在于，所述将所述真实样本输入样本生成模型，经样本生成模型的生成器降维处理和反向重构后，生成与真实样本分布接近的局放样本之前，还包括：基于所述真实样本，优化预先设置的样本生成模型的模型参数，得到所述样本生成模型。6.根据权利要求5所述的开关柜中局放模式的检测方法，其特征在于，所述基于所述真实样本，优化预先设置的样本生成模型的模型参数，得到所述样本生成模型，包括：...

【专利技术属性】
技术研发人员：路士杰，庞先海，刘宏亮，董驰，顾朝敏，李天辉，
申请(专利权)人：国网河北省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：