【技术实现步骤摘要】
本申请涉及真空击穿，尤其是一种基于击穿前毫安量级电流和深度学习的真空击穿类型甄别方法。
技术介绍
1、目前，真空断路器作为经济环保、紧凑可靠的电力设备，在中低压电力开关市场中已经占据了主要份额。然而，由于其电极间隙绝缘能力的限制，在高电压等级线路中仍广泛采用sf6气体断路器。但sf6气体具有强温室效应，并且其分解产物具有强腐蚀性，对环境造成了严重破坏。真空断路器亟需向更高电压等级发展以替代sf6气体断路器。
2、真空击穿现象是限制真空断路器绝缘能力的决定性因素。甄别真空击穿类型对揭示真空电极间隙击穿机理和提高真空断路器电压水平具有重要意义。目前的真空击穿类型甄别研究依赖于数学计算和人工分析，需要大量时间且繁琐复杂。
技术实现思路
1、本申请针对上述问题及技术需求，提出了一种基于击穿前毫安量级电流和深度学习的真空击穿类型甄别方法，本申请的技术方案如下：
2、一种基于击穿前毫安量级电流和深度学习的真空击穿类型甄别方法，该真空击穿类型甄别方法包括：
3、搭建多量程真空击穿试验回路并开展若干次不同真空击穿类型的真空击穿试验，获取每一次真空击穿试验从试验开始时刻至发生真空击穿之后时段内的多量程试验电流数据，每组多量程试验电流数据包括低量程电流数据和高量程电流数据，低量程电流数据采用毫安级量程，高量程电流数据的量程满足击穿时刻电流值的量程需求；
4、对于每组多量程试验电流数据，分析高量程电流数据并定位击穿时刻，依据击穿时刻从同组的低量程电流数据中
5、构建引入卷积注意力机制模块和残差模块的卷积神经网络，将每次真空击穿试验的击穿前电流波形样本作为卷积神经网络的输入、真空击穿试验的真空击穿类型作为输出，训练得到真空击穿类型甄别模型；
6、将待甄别击穿前电流波形输入训练得到的真空击穿类型甄别模型中，得到真空击穿类型甄别结果。
7、其进一步的技术方案为，多量程真空击穿试验回路包括依次串联的冲击电压发生装置、真空腔室、低量程电流测量装置和高量程电流测量装置，低量程电流测量装置通过内置的过载保护功能在击穿时刻进行防击穿保护，低量程电流测量装置用于采集低量程电流数据，高量程电流测量装置用于采集高量程电流数据。
8、其进一步的技术方案为，击穿时刻是高量程电流数据中电流值首次达到预定电流阈值的时刻。
9、其进一步的技术方案为，卷积神经网络包括从输入到输出依次级联的输入层、卷积注意力机制模块、多个残差模块、池化层、卷积注意力机制模块和全连接层。
10、其进一步的技术方案为，依据击穿时刻从同组的低量程电流数据中提取击穿前电流波形样本，包括：提取试验开始时刻至击穿时刻内的低量程电流数据作为击穿前电流波形样本。
11、其进一步的技术方案为，高量程电流数据采用安培级量程，预定电流阈值为1a。
12、其进一步的技术方案为，不同的真空击穿类型包括：脉冲电流诱发真空击穿、场致发射诱发真空击穿和微粒诱发真空击穿。
13、其进一步的技术方案为，低量程毫安量级电流测量装置采用电流互感器实现，并通过电流互感器内置的过载保护功能在击穿时刻进行防击穿保护；
14、或者，低量程毫安量级电流测量装置包括高阻值测量电阻、低量程电压表和稳压二极管，高阻值测量电阻与冲击电压发生装置、真空腔室和高量程电流测量装置串联，低量程电压表并联在高阻值测量电阻的两端，低量程电流测量装置通过低量程电压表采集到的低量程电压转换得到低量程电流数据，并通过并联在高阻值测量电阻两端的稳压二极管提供的过载保护功能在击穿时刻进行防击穿保护。
15、其进一步的技术方案为，高量程电流测量装置采用电流互感器实现；
16、或者，高量程电流测量装置包括低阻值测量电阻和高量程电压表，低阻值测量电阻与冲击电压发生装置、真空腔室和低量程电流测量装置串联，高量程电压表并联在低阻值测量电阻的两端，高量程电流测量装置通过高量程电压表采集到的高量程电压转换得到高量程电流数据。
17、其进一步的技术方案为，训练得到真空击穿类型甄别模型包括：初始化卷积神经网络的网络参数，利用击穿前电流波形样本对卷积神经网络进行模型训练，并通过损失函数和优化器来调整网络参数，直至评估指标达到预定指标要求时得到真空击穿类型甄别模型；评估指标包括：精确度、准确度、召回率、f1分数中的至少一种。
18、本申请的有益技术效果是：
19、本申请提出的一种基于击穿前毫安量级电流和深度学习的真空击穿类型甄别方法，通过采集真空击穿试验的多量程试验电流数据，可以在准确定位击穿时刻的同时，获取到高精度的毫安量级电流数据作为击穿前电流波形样本，能够准确表征击穿前电流的有效特征，结合深度学习就能通过击穿前毫安量级电流实现真空击穿类型甄别，准确度和可靠性较高，且自动化程度较高；另外构建的卷积神经网络引入了卷积注意力机制模块和残差模块，实现有效特征充分提取，从而提高了真空击穿类型甄别结果的准确性。
本文档来自技高网...【技术保护点】
1.一种基于击穿前毫安量级电流和深度学习的真空击穿类型甄别方法，其特征在于，所述真空击穿类型甄别方法包括：
2.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述多量程真空击穿试验回路包括依次串联的冲击电压发生装置、真空腔室、低量程电流测量装置和高量程电流测量装置，所述低量程电流测量装置通过内置的过载保护功能在击穿时刻进行防击穿保护，所述低量程电流测量装置用于采集低量程电流数据，所述高量程电流测量装置用于采集高量程电流数据。
3.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述击穿时刻是高量程电流数据中电流值首次达到预定电流阈值的时刻。
4.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述卷积神经网络包括从输入到输出依次级联的输入层、卷积注意力机制模块、多个残差模块、池化层、卷积注意力机制模块和全连接层。
5.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，依据所述击穿时刻从同组的低量程电流数据中提取击穿前电流波形样本，包括：
6.根据权利要求3所述的真空击穿类型甄别方法，其特征在于，所
7.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，不同的真空击穿类型包括：脉冲电流诱发真空击穿、场致发射诱发真空击穿和微粒诱发真空击穿。
8.根据权利要求2所述的真空击穿类型甄别方法，其特征在于，所述低量程毫安量级电流测量装置采用电流互感器实现，并通过电流互感器内置的过载保护功能在击穿时刻进行防击穿保护；
9.依据权利要求2所述的真空击穿类型甄别方法，其特征在于，所述高量程电流测量装置采用电流互感器实现；
10.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述训练得到真空击穿类型甄别模型包括：初始化卷积神经网络的网络参数，利用击穿前电流波形样本对卷积神经网络进行模型训练，并通过损失函数和优化器来调整网络参数，直至评估指标达到预定指标要求时得到真空击穿类型甄别模型；评估指标包括：精确度、准确度、召回率、F1分数中的至少一种。
...【技术特征摘要】
1.一种基于击穿前毫安量级电流和深度学习的真空击穿类型甄别方法，其特征在于，所述真空击穿类型甄别方法包括：
2.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述多量程真空击穿试验回路包括依次串联的冲击电压发生装置、真空腔室、低量程电流测量装置和高量程电流测量装置，所述低量程电流测量装置通过内置的过载保护功能在击穿时刻进行防击穿保护，所述低量程电流测量装置用于采集低量程电流数据，所述高量程电流测量装置用于采集高量程电流数据。
3.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述击穿时刻是高量程电流数据中电流值首次达到预定电流阈值的时刻。
4.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，所述卷积神经网络包括从输入到输出依次级联的输入层、卷积注意力机制模块、多个残差模块、池化层、卷积注意力机制模块和全连接层。
5.根据权利要求1所述的真空击穿类型甄别方法，其特征在于，依据所述击穿时刻从同组的低量程电流数据中提取击穿前电流波形样本，包括：
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。