一种绝缘子泄漏电流的预测方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种绝缘子泄漏电流的预测方法、装置、设备及介质。通过实时获取时间序列绝缘子泄漏电流数据集，并对时间序列绝缘子泄漏电流数据集进行标准化预处理，得到绝缘子泄漏电流样本；通过预先设置好的组合模态分解方法对绝缘子泄漏电流样本进行分解处理，得到泄漏电流时间子序列；将泄漏电流时间子序列输入至预先训练好的泄漏电流预测模型中，确定出绝缘子泄漏电流预测结果。解决了绝缘子表面泄漏电流预测不准确的问题，通过组合模态分解方法能够更好地对绝缘子泄漏电流样本进行分解处理，并且训练泄漏电流预测模型，从而提高了预测精度，得到更加准确的绝缘子泄漏电流预测结果。果。果。

【技术实现步骤摘要】
一种绝缘子泄漏电流的预测方法、装置、设备及介质


[0001]本专利技术涉及数据处理
，尤其涉及一种绝缘子泄漏电流的预测方法、装置、设备及介质。

技术介绍

[0002]输电线路绝缘子是输变电系统中重要的电气设备，其运行状态和污垢性能直接影响电力系统的安全性水平，输电线路绝缘子发生故障将可能导致大范围的停电，造成经济损失。绝缘子泄漏电流作为输电线路重要监测对象之一，研究输电线路绝缘子泄漏电流预测技术，对提高输电线路绝缘子的运行状态监测，有助于及时发现输电线路绝缘子污垢性能，提前制定检修计划，提高电力系统运行的稳定性，保障优质电力正常供应正常运作。
[0003]另外的，泄漏电流与一些典型放电现象之间具有一定的对应关系，进而可以利用这些对应关系来判断绝缘子的积污状况。泄漏电流与环境因素(相对湿度、和温度等)以及绝缘子表面污秽状态(污秽成分、染污程度、和污秽不均匀度等)之间存在联系。通过利用泄漏电流在线监测系统实时监测输电线路泄漏电流数据进而判断输电线路外绝缘状况已经较为成熟，但是对于泄漏电流预测方面还有欠缺。
[0004]专利技术人在实现本专利技术的过程中，发现现有技术存在如下缺陷：目前，绝缘子表面泄漏电流的预测主要分为技术方法和定量方法两大类。技术方法也就是专家评估法，这种方法在预测精度上较依赖预测者的技术技巧。定量方法则是建立数学模型进行预测，像利用多重回归方法和神经网络方法进行绝缘子表面泄漏电流的预测。应用较为广泛的是利用神经网络进行预测，然而，传统的人工神经网络在训练过程中存在收敛速度慢、和容易陷入局部极小等缺点，而且传统机器学习无法解析时间序列间隐含特征和时间关联性，极大地影响了预测精度。

技术实现思路

[0005]本专利技术提供了一种绝缘子泄漏电流的预测方法、装置、设备及介质，以提高预测精度，得到更加准确的绝缘子泄漏电流预测结果。
[0006]根据本专利技术的一方面，提供了一种绝缘子泄漏电流的预测方法，其中，包括：
[0007]实时获取时间序列绝缘子泄漏电流数据集，并对所述时间序列绝缘子泄漏电流数据集进行标准化预处理，得到绝缘子泄漏电流样本；
[0008]通过预先设置好的组合模态分解方法对所述绝缘子泄漏电流样本进行分解处理，得到泄漏电流时间子序列；
[0009]将所述泄漏电流时间子序列输入至预先训练好的泄漏电流预测模型中，确定出绝缘子泄漏电流预测结果；
[0010]其中，所述泄漏电流预测模型是由CNN(Convolutional Neural Networks，卷积神经网络)模型和GRU(Gated Recurrent Unit，门控循环网络)模型构成的。
[0011]根据本专利技术的另一方面，提供了一种绝缘子泄漏电流的预测装置，其中，包括：
[0012]绝缘子泄漏电流样本确定模块，用于实时获取时间序列绝缘子泄漏电流数据集，并对所述时间序列绝缘子泄漏电流数据集进行标准化预处理，得到绝缘子泄漏电流样本；
[0013]泄漏电流时间子序列确定模块，用于通过预先设置好的组合模态分解方法对所述绝缘子泄漏电流样本进行分解处理，得到泄漏电流时间子序列；
[0014]绝缘子泄漏电流预测结果确定模块，用于将所述泄漏电流时间子序列输入至预先训练好的泄漏电流预测模型中，确定出绝缘子泄漏电流预测结果；
[0015]其中，所述泄漏电流预测模型是由CNN模型和GRU模型构成的。
[0016]根据本专利技术的另一方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本专利技术任一实施例所述的绝缘子泄漏电流的预测方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的绝缘子泄漏电流的预测方法。
[0018]本专利技术实施例的技术方案，通过实时获取时间序列绝缘子泄漏电流数据集，并对时间序列绝缘子泄漏电流数据集进行标准化预处理，得到绝缘子泄漏电流样本；通过预先设置好的组合模态分解方法对绝缘子泄漏电流样本进行分解处理，得到泄漏电流时间子序列；将泄漏电流时间子序列输入至预先训练好的泄漏电流预测模型中，确定出绝缘子泄漏电流预测结果。解决了绝缘子表面泄漏电流预测不准确的问题，通过组合模态分解方法能够更好地对绝缘子泄漏电流样本进行分解处理，并且训练泄漏电流预测模型，从而提高了预测精度，得到更加准确的绝缘子泄漏电流预测结果。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是根据本专利技术实施例一提供的一种绝缘子泄漏电流的预测方法的流程图；
[0022]图2是根据本专利技术实施例二提供的另一种绝缘子泄漏电流的预测方法的流程图；
[0023]图3是根据本专利技术实施例三提供的一种绝缘子泄漏电流的预测装置的结构示意图；
[0024]图4是根据本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0025]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。
[0026]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“目标”、“当前”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]实施例一
[0028]图1为本专利技术实施例一提供了一种绝缘子泄漏电流的预测方法的流程图，本实施例可适用于对绝缘子泄漏电流进行预测的情况，该方法可以由绝缘子泄漏电流的预测装置来执行，该绝缘子泄漏电流的预测装置可以采用硬件和/或软件的形式实现。
[0029]相应的，如图1所示，该方法包括：
[0030]S110、实时获取时间序列绝缘子泄漏电流数据集，并对所述时间序列绝缘子泄漏电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种绝缘子泄漏电流的预测方法，其特征在于，包括：实时获取时间序列绝缘子泄漏电流数据集，并对所述时间序列绝缘子泄漏电流数据集进行标准化预处理，得到绝缘子泄漏电流样本；通过预先设置好的组合模态分解方法对所述绝缘子泄漏电流样本进行分解处理，得到泄漏电流时间子序列；将所述泄漏电流时间子序列输入至预先训练好的泄漏电流预测模型中，确定出绝缘子泄漏电流预测结果；其中，所述泄漏电流预测模型是由卷积神经网络CNN模型和门控循环网络GRU模型构成的。2.根据权利要求1所述的方法，其特征在于，所述通过组合模态分解方法对所述绝缘子泄漏电流样本进行分解处理，得到泄漏电流时间子序列，包括：通过所述组合模态分解方法对应的预先构建好的集合模态分解方法，对所述绝缘子泄漏电流样本进行分解处理，得到泄漏电流高频本征模态函数和中低频时间子序列；对所述泄漏电流高频本征模态函数通过预先构建好的小波包分解方法进行分解处理，得到小波包分解时间子序列；将所述中低频时间子序列和所述小波包分解时间子序列进行合并，确定出所述泄漏电流时间子序列。3.根据权利要求1所述的方法，其特征在于，所述将所述泄漏电流时间子序列输入至预先训练好的泄漏电流预测模型中，确定出绝缘子泄漏电流预测结果，包括：将所述泄漏电流时间子序列输入至所述泄漏电流预测模型对应的CNN模型中，得到泄漏电流特征向量；将所述泄漏电流特征向量输入至所述泄漏电流预测模型对应的GRU模型中，得到所述绝缘子泄漏电流预测结果。4.根据权利要求3所述的方法，其特征在于，在所述实时获取时间序列绝缘子泄漏电流数据集，并对所述时间序列绝缘子泄漏电流数据集进行标准化预处理，得到绝缘子泄漏电流样本之前，还包括：获取历史时间序列绝缘子泄漏电流数据集；对所述历史时间序列绝缘子泄漏电流数据集进行标准化预处理，得到历史绝缘子泄漏电流样本；构建初始组合模态分解方法，其中，所述初始组合模态分解方法包括：初始集合模态分解方法和初始小波包分解方法；初始集合模态分解方法对应初始集合模态分解层数；初始小波包分解方法对应初始小波包分解层数；初始组合模态分解方法对应初始时间步长；将所述历史绝缘子泄漏电流样本通过初始集合模态分解方法和初始小波包分解方法按照初始时间步长进行分解处理，得到历史泄漏电流时间子序列；其中，历史泄漏电流时间子序列为m@T
×
n的张量，m表示通道数量，T表示初始时间步长，N表示特征数量；@表示张量中的连接符号；将所述历史泄漏电流时间子序列与标准泄漏电流时间子序列进行对比计算，得到分解准确率，并且如果所述分解准确率满足准确率阈值时，完成所述组合模态分解方法的设置。5.根据权利要求4所述的方法，其特征在于，在所述将所述历史泄漏电流时间子序列与
标准泄漏电流时间子序列进行对比计算，得到分解准确率之后，还包括：如果所述分解准确率不满足准确率阈值，则分别增加所述初始集合模态分解方法对应的集合模态分解层数和所述初始小波包分解方法对应的小波包分解层数，以及减少初始时间步长；返回执行将所述历史绝缘子泄漏电流样本通...

【专利技术属性】
技术研发人员：张建峰，温惠婷，李志华，温惠康，李牧轩，古俊馥，魏存良，汤毅，江华洋，
申请(专利权)人：广东电网有限责任公司梅州供电局，
类型：发明
国别省市：