【技术实现步骤摘要】
本申请涉及特高压输电，特别是涉及一种高压断路器异常监测模型训练方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着特高压输电
的发展，出现了一种高压断路器异常监测方法，该方法通过检测设备内气体分解产物来监测高压断路器是否运行异常。
2、然而，高压断路器具有封闭式的结构特性，检测设备内气体分解产物需要打开高压断路器，导致检测时间较长并耗费大量的人力和物力，使得高压断路器异常监测非常低效。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够高效监测高压断路器异常的高压断路器异常监测模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种高压断路器异常监测模型训练方法。所述方法包括：
3、获取高压断路器运行异常时的样本声音数据，以及所述样本声音数据对应的实际运行异常种类信息，并将所述样本声音数据，以及所述实际运行异常种类信息输入至待训练的高压断路器异常监测模型；
4、通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息；
5、根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型。
6、在其中一个实施例中，所述通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息，包括：通过所述高压断路器异常监测模型的卷积层
7、在其中一个实施例中，所述通过所述高压断路器异常监测模型的卷积层，获取所述样本声音数据对应的特征向量，包括：获取所述样本声音数据对应的时域信号，并将所述时域信号划分为多个子时域信号；将各所述个子时域信号进行离散傅立叶变换，得到所述样本声音数据对应的频谱图；基于所述频谱图，得到所述样本声音数据对应的特征向量。
8、在其中一个实施例中，所述得到训练完成的高压断路器异常监测模型之后，还包括：获取所述高压断路器运行时的当前声音数据，并将所述当前声音数据输入至所述高压断路器异常监测模型；若通过所述高压断路器异常监测模型，得到所述当前声音数据对应的当前运行异常种类信息，则发出告警信息，并上报所述当前运行异常种类信息；若所述高压断路器异常监测模型的输出为空，则上报所述高压断路器运行正常的运行正常信息。
9、在其中一个实施例中，所述上报所述当前运行异常种类信息之后，还包括：基于所述当前运行异常种类信息，得到与所述当前运行异常种类信息对应的应急方案；根据所述应急方案，对所述高压断路器进行应急处理。
10、在其中一个实施例中，所述根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型，包括：若所述差异大于预设阈值，则更新所述高压断路器异常监测模型的模型参数，直到所述差异小于或等于所述预设阈值，得到训练完成的高压断路器异常监测模型。
11、第二方面，本申请还提供了一种高压断路器异常监测模型训练装置。所述装置包括：
12、样本数据获取模块，用于获取高压断路器运行异常时的样本声音数据，以及所述样本声音数据对应的实际运行异常种类信息，并将所述样本声音数据，以及所述实际运行异常种类信息输入至待训练的高压断路器异常监测模型；
13、预测信息获取模块，用于通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息；
14、模型训练模块，用于根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型。
15、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
16、获取高压断路器运行异常时的样本声音数据，以及所述样本声音数据对应的实际运行异常种类信息，并将所述样本声音数据，以及所述实际运行异常种类信息输入至待训练的高压断路器异常监测模型；
17、通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息；
18、根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型。
19、第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
20、获取高压断路器运行异常时的样本声音数据，以及所述样本声音数据对应的实际运行异常种类信息，并将所述样本声音数据，以及所述实际运行异常种类信息输入至待训练的高压断路器异常监测模型；
21、通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息；
22、根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型。
23、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
24、获取高压断路器运行异常时的样本声音数据，以及所述样本声音数据对应的实际运行异常种类信息，并将所述样本声音数据，以及所述实际运行异常种类信息输入至待训练的高压断路器异常监测模型；
25、通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息；
26、根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型。
27、上述高压断路器异常监测模型训练方法、装置、计算机设备、存储介质和计算机程序产品，通过获取高压断路器运行异常时的样本声音数据，以及样本声音数据对应的实际运行异常种类信息，并将样本声音数据，以及实际运行异常种类信息输入至待训练的高压断路器异常监测模型；通过高压断路器异常监测模型，得到样本声音数据对应的预测运行异常种类信息；根据预测运行异常种类信息与实际运行异常种类信息的之间的差异，训练高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型。本申请通过将样本本文档来自技高网...
【技术保护点】
1.一种高压断路器异常监测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述高压断路器异常监测模型的卷积层，获取所述样本声音数据对应的特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述得到训练完成的高压断路器异常监测模型之后，还包括：
5.根据权利要求4所述的方法，其特征在于，所述上报所述当前运行异常种类信息之后，还包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述预测运行异常种类信息与所述实际运行异常种类信息的之间的差异，训练所述高压断路器异常监测模型，得到训练完成的高压断路器异常监测模型，包括：
7.一种高压断路器异常监测模型训练装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种高压断路器异常监测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过所述高压断路器异常监测模型，得到所述样本声音数据对应的预测运行异常种类信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述高压断路器异常监测模型的卷积层，获取所述样本声音数据对应的特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述得到训练完成的高压断路器异常监测模型之后，还包括：
5.根据权利要求4所述的方法，其特征在于，所述上报所述当前运行异常种类信息之后，还包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述预测运行异常种类信...
【专利技术属性】
技术研发人员：李乾坤，庄小亮，牛峥，齐向东，李靖翔，黄学民，余思远，赖桂森，张长虹，杨荆林，谢超，石延辉，龚诚嘉锐，秦秉东，严伟，谭华安，赵兴梁，喻伟，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
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。