【技术实现步骤摘要】
本专利技术属于电力电气设备，具体涉及一种边缘设备局部放电监测方法及智能传感器、存储介质。
技术介绍
1、电力物联网是物联网在电力领域的特殊应用。电力物联网将电力用户及其设备，电网企业及其设备，发电企业及其设备，供应商及其设备，以及人和物连接起来，产生共享数据，为用户、电网、发电、供应商和政府社会服务。电力物联网包含感知层、网络层、平台层、应用层四层结构。其中感知层作为物联网的核心，主要承担着状态感知、数据接入的关键作用，是电力物联网建设的基础与源头。
2、目前我国的电力物联网传感器还停留在以信息采集、传输、统计和存储为目的的传统传感器应用上，但是随着电力物联网规模的扩大、传感器类型与数量的急剧增长，搭载在传统传感器上的通信模组已经无法满足未来大量的业务需求，传统传感器在能耗和维护上所花开销也会呈指数型增长。
3、例如，在对电力物联网中位于管理域边缘、靠近数据源或用户的边缘设备进行局部放电监测的过程中，首先利用装载于边缘设备的传感器采集边缘设备的局部放电整体信号，再将采集到的局部放电整体信号通过电缆传输至电力物联网的中央服务器进行处理和分析，判断边缘设备的放电模式，从而监测其绝缘性能是否受损。
4、但是由于数据量大且需要电缆进行较长距离传输，从而导致信号衰减，引起处理延时，无法实现对数据进行实时处理，导致局部放电监测效率低下。
技术实现思路
1、本专利技术的目的在于提供一种边缘设备局部放电监测方法及智能传感器、存储介质，可以减少处理延时，提高局部放
2、本专利技术实施例第一方面公开一种边缘设备局部放电监测方法，包括：
3、智能传感器采集边缘设备的脉冲群信号，所述脉冲群信号包括多个单脉冲信号；
4、所述智能传感器从多个所述单脉冲信号中识别出多个放电信号；
5、所述智能传感器对每个所述放电信号进行波形特征提取，获得每个所述放电信号的目标脉冲波形；
6、所述智能传感器将每个所述放电信号的目标脉冲波形对应的波形–时间序列转换为幅值–时间序列；
7、所述智能传感器对所述幅值–时间序列进行分类，获得每个所述放电信号的放电类型。
8、在其中一个实施例中，所述智能传感器从多个所述单脉冲信号中识别出多个放电信号，包括：
9、所述智能传感器对每个所述单脉冲信号进行波形特征提取，获得每个所述单脉冲信号的候选脉冲波形；
10、所述智能传感器将所述候选脉冲波形压缩到特征空间中，获得每个所述单脉冲信号的特征向量；
11、所述智能传感器对多个所述单脉冲信号的特征向量进行分类，获得每个所述单脉冲信号的分类类别；
12、所述智能传感器根据所述分类类别，从多个所述单脉冲信号中确定出多个干扰信号；
13、所述智能传感器将所有所述干扰信号从多个所述单脉冲信号中剔除，获得多个放电信号。
14、在其中一个实施例中，所述智能传感器对多个所述单脉冲信号的特征向量进行分类，获得每个所述单脉冲信号的分类类别，包括：
15、所述智能传感器将多个所述单脉冲信号的特征向量转换成特征图谱；其中，所述特征图谱包括多个所述单脉冲信号的的信号元素；
16、所述智能传感器对所述特征图谱中的信号元素进行聚类分类，获得多个分类类别；
17、所述智能传感器将每一所述信号元素所属于的分类类别确定为其对应的单脉冲信号的分类类别，其中所述信号元素与所述单脉冲信号一一对应。
18、在其中一个实施例中，所述智能传感器根据所述分类类别，从多个所述单脉冲信号中确定出多个干扰信号，包括：
19、所述智能传感器获取每个所述分类类别中多个信号元素的分布指征值；
20、将所述分布指征值未达到指定阈值的分类类别确定为干扰信号类别；
21、将所述干扰信号类别中包括的多个单脉冲信号确定为干扰信号。
22、本专利技术实施例第二方面公开一种智能传感器，包括：
23、采集单元，用于采集边缘设备的脉冲群信号，所述脉冲群信号包括多个单脉冲信号；
24、去噪单元，用于从多个所述单脉冲信号中识别出多个放电信号；
25、提取单元，用于对每个所述放电信号进行波形特征提取，获得每个所述放电信号的目标脉冲波形；
26、转换单元，用于将每个所述放电信号的目标脉冲波形对应的波形–时间序列转换为幅值–时间序列；
27、识别单元，用于对所述幅值–时间序列进行分类，获得每个所述放电信号的放电类型。
28、在其中一个实施例中，所述去噪单元包括：
29、提取子单元，用于对每个所述单脉冲信号进行波形特征提取，获得每个所述单脉冲信号的候选脉冲波形；
30、压缩子单元，用于将所述候选脉冲波形压缩到特征空间中，获得每个所述单脉冲信号的特征向量；
31、分类子单元，用于对多个所述单脉冲信号的特征向量进行分类，获得每个所述单脉冲信号的分类类别；
32、确定子单元，用于根据所述分类类别，从多个所述单脉冲信号中确定出多个干扰信号；
33、剔除子单元，用于将所有所述干扰信号从多个所述单脉冲信号中剔除，获得多个放电信号。
34、在其中一个实施例中，所述分类子单元包括：
35、转换模块，用于将多个所述单脉冲信号的特征向量转换成特征图谱；其中，所述特征图谱包括多个所述单脉冲信号的的信号元素；
36、聚类模块，用于对所述特征图谱中的信号元素进行聚类分类，获得多个分类类别；
37、确定模块，用于将每一所述信号元素所属于的分类类别确定为其对应的单脉冲信号的分类类别，其中所述信号元素与所述单脉冲信号一一对应。
38、在其中一个实施例中，所述确定子单元包括：
39、获取模块，用于获取每个所述分类类别中多个信号元素的分布指征值；
40、判别模块，用于将所述分布指征值未达到指定阈值的分类类别确定为干扰信号类别；以及将所述干扰信号类别中包括的多个单脉冲信号确定为干扰信号。
41、本专利技术实施例第三方面公开一种智能传感器，包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行第一方面公开的边缘设备局部放电监测方法。
42、本专利技术实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行第一方面公开的边缘设备局部放电监测方法。
43、本专利技术的有益效果在于，所提供的边缘设备局部放电监测方法及智能传感器、存储介质，通过利用智能传感器采集边缘设备的脉冲群信号，然后基于智能传感器进行实时处理，包括从脉冲群信号中的多个单脉冲信号中识别出多个放电信号，然后对每个放电信号进行波形特征提取，获得每个放电信号的目标脉冲波形；以及将每个放电信号的目标脉冲波形对应的本文档来自技高网...
【技术保护点】
1.边缘设备局部放电监测方法，其特征在于，包括：
2.如权利要求1所述的边缘设备局部放电监测方法，其特征在于，所述智能传感器从多个所述单脉冲信号中识别出多个放电信号，包括：
3.如权利要求2所述的边缘设备局部放电监测方法，其特征在于，所述智能传感器对多个所述单脉冲信号的特征向量进行分类，获得每个所述单脉冲信号的分类类别，包括：
4.如权利要求3所述的边缘设备局部放电监测方法，其特征在于，所述智能传感器根据所述分类类别，从多个所述单脉冲信号中确定出多个干扰信号，包括：
5.智能传感器，其特征在于，包括：
6.如权利要求5所述的智能传感器，其特征在于，所述去噪单元包括：
7.如权利要求6所述的智能传感器，其特征在于，所述分类子单元包括：
8.如权利要求7所述的智能传感器，其特征在于，所述确定子单元包括：
9.智能传感器，其特征在于，包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至4任一项所述的边缘设备局部
10.计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至4任一项所述的边缘设备局部放电监测方法。
...【技术特征摘要】
1.边缘设备局部放电监测方法，其特征在于，包括：
2.如权利要求1所述的边缘设备局部放电监测方法，其特征在于，所述智能传感器从多个所述单脉冲信号中识别出多个放电信号，包括：
3.如权利要求2所述的边缘设备局部放电监测方法，其特征在于，所述智能传感器对多个所述单脉冲信号的特征向量进行分类，获得每个所述单脉冲信号的分类类别，包括：
4.如权利要求3所述的边缘设备局部放电监测方法，其特征在于，所述智能传感器根据所述分类类别，从多个所述单脉冲信号中确定出多个干扰信号，包括：
5.智能传感器，其特征在于，包括：
6.如权利要求5所述的智...
【专利技术属性】
技术研发人员：王媛媛，谭志勇，魏略，夏锐，许国强，唐明，
申请(专利权)人：长园共创电力安全技术股份有限公司，
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。