【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。