【技术实现步骤摘要】
本专利技术属弧光监测，涉及一种基于时空融合的弧光检测方法，特别是涉及一种基于时空融合的弧光检测方法及装置、存储介质与终端。
技术介绍
1、开关柜是电力系统中的核心设备，广泛应用于中低压配电系统中。确保其稳定运行对维护电力系统的健康状态、提升供电质量及可靠性至关重要。弧光放电是中低压开关柜内最严重的事故之一，(弧光放电是由于什么原因产生的？)通常伴随电光、刺激性声音，并以电磁波形式辐射，产生强烈光热能量和超限压力。弧光故障的强光和热量容易对配电室内的设备造成严重破坏，引发铜铝连接熔毁、开关柜及母线烧毁、电缆起火、产生毒气、爆炸等严重后果，极大威胁电网的安全稳定运行和人员安全。因此国内外针对弧光监测和诊断开展了广泛研究。
2、针对弧光监测研究，德国、美国等国家早期主要集中在电压和电流变化的监测上，但是由于面临传感器灵敏度、电子技术、通讯传输等多方面的挑战，进展缓慢。90年代初，英国电气试验中心提出利用光热传感器结合声音进行监测的方法，虽然在一定程度上解决了弧光监测的问题，但由于外界光和局部放电的干扰，监测效果并不理想。近年来，国内逐步推广弧光保护系统，应用领域从配电设施扩展到发电设施。例如，1995年河南某工程扩建项目中，首次在配电柜内安装了弧光监测传感器，通过出线保护进行过电流保护，实现了对弧光的监测和报警；南京弘毅电气公司开发了dpr360arc弧光保护系统，保定尤耐特电气公司开发了unt-eap弧光保护系统，这些系统显著提升了弧光故障的检测和响应能力。
3、针对弧光诊断研究，国外许多厂家推出了弧光保护和
4、随着计算机、物联网和人工智能技术的发展，开关柜弧光数据的采集变得更加广泛，使得基于大数据和神经网络的弧光放电故障监测和检测成为可能。大数据分析技术可以从历史数据和实时数据中提取弧光故障特征和模式，通过数据挖掘和统计分析识别早期征兆和潜在风险。
5、然而，现有技术需要大量高质量数据支持，高质量弧光放电数据稀缺，高压弧光放点数据难以获取，这种情况下检测弧光需要持续调用神经网络，消耗了大量的计算资源，同时数据原因也导致了高压弧光检测准确率较低。
技术实现思路
1、本专利技术的目的在于提供一种基于时空融合的弧光检测方法及装置、存储介质与终端，用于解决现有技术中弧光检测计算资源消耗大且高压弧光检测准确率低的技术问题。
2、第一方面，本专利技术提供一种基于时空融合的弧光检测方法，包括：
3、获取待识别弧光图像，获取所述待识别弧光图像中所有预设关键点的坐标数据作为预设节点数据集；
4、基于所述预设节点数据集获取所述待识别弧光图像对应的图数据，所述图数据以节点坐标数据作为图的节点，所述图数据以节点之间的欧式距离作为图的边；
5、检测所述图数据中的边是否存在非0数值，若存在，则利用cnn提取所述待识别弧光图像的空间特征，并基于所述图数据获取图时序特征；
6、将所述图时序特征与所述空间特征融合之后输入预设分类器进行分类，以获取所述待识别弧光图像对应的识别结果。
7、于本专利技术的一实施例中，基于所述图数据获取图时序特征包括：
8、获取所述待识别弧光图像对应的图数据作为当前图数据，获取所述待识别弧光图像的前一时刻弧光图像对应的图数据作为前一时刻图数据；
9、将所述当前图数据与所述前一时刻图数据对应作差，以获取初步差值矩阵；
10、对所述初步差值矩阵中的每一个元素均进行relu处理，以获取欧氏距离差矩阵作为所述待识别弧光图像对应的图时序特征。
11、于本专利技术的一实施例中，还包括：
12、对所述欧式距离差矩阵中的每一个元素均做指数化处理，以获取指数化处理后的矩阵作为所述待识别弧光图像对应的图时序特征；
13、其中，所述指数化处理的底数大于1，且以所述欧式距离差矩阵中待指数化处理的元素作为指数、以指数化处理的幂结果作为所述欧式距离差矩阵中对应的新元素。
14、于本专利技术的一实施例中，将所述图时序特征与所述空间特征融合包括：
15、以所述空间特征的特征图矩阵尺寸作为目标尺寸，对所属欧氏距离差矩阵的尺寸进行重塑，以获取重塑后的欧氏距离差矩阵；
16、获取所述重塑后的欧氏距离差矩阵与所述空间特征的特征图矩阵的哈达玛积，以获取所述图时序特征与所述空间特征的融合结果。
17、于本专利技术的一实施例中，预设分类器包括多层全连接层，以及与最后一层全连接层连接的softmax层。
18、于本专利技术的一实施例中，还包括：
19、所述方法对应的模型训练方式为基于传递迁移策略进行训练，所述传递迁移策略包括：
20、使用第一电压等级数据集训练模型直至模型收敛并获取收敛模型，保存对应的参数作为第一电压等级参数；
21、使用所述第一电压等参数作为预训练参数，用第二电压等级数据集对所述收敛模型进行微调训练，保存对应的参数作为第二电压等级参数；
22、其中，所述第一电压小于所述第二电压。
23、于本专利技术的一实施例中，若所述识别结果中电压包括多个电压等级时，对所述多个电压等级进行排序以获取等级排序数据，所述方法对应的模型训练方式为基于传递迁移策略和所述等级排序数据进行逐级迭代训练，以获取所述等级排序数据中最高电压等级数据对应的结果作为最终结果；
24、其中，每次迭代时均获取等级排序数据中相邻的两个数据作为第一电压等级数据集与所述第二电压等级数据集进行基于传递迁移策略的训练。
25、第二方面，本专利技术还提供一种基于时空融合的弧光检测装置，其特征在于，包括：
26、数据获取模块，用于获取待识别弧光图像，获取所述待识别弧光图像中所有预设关键点的坐标数据作为预设节点数据集；
27、图数据构建模块，用于基于所述预设节点数据集获取所述待识别弧光图像对应的图数据，所述图数据以节点坐标数据作为图的节点，所述图数据以节点之间的欧式距离作为图的边；
28、触发判别模块，用于检测所述图数据中的边是否存在非0数值，若存在，则利用cnn提取所述待识别弧光图像的空间特征，并基于所述图数据获取图时序特征；...
【技术保护点】
1.一种基于时空融合的弧光检测方法，包括：
2.根据权利要求1所述的弧光检测方法，其特征在于，基于所述图数据获取图时序特征包括：
3.根据权利要求2所述的弧光检测方法，其特征在于，还包括：
4.根据权利要求1所述的弧光检测方法，其特征在于，将所述图时序特征与所述空间特征融合包括：
5.根据权利要求1所述的弧光检测方法，其特征在于，预设分类器包括多层全连接层，以及与最后一层全连接层连接的softmax层。
6.根据权利要求1所述的弧光检测方法，其特征在于，还包括：
7.根据权利要求6所述的弧光检测方法，其特征在于，
8.一种基于时空融合的弧光检测装置，其特征在于，包括：
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任一项所述的基于时空融合的弧光检测方法。
10.一种终端，其特征在于，包括处理器以及存储器，所述存储器与所述处理器之间通信连接；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执
...【技术特征摘要】
1.一种基于时空融合的弧光检测方法，包括：
2.根据权利要求1所述的弧光检测方法，其特征在于，基于所述图数据获取图时序特征包括：
3.根据权利要求2所述的弧光检测方法，其特征在于，还包括：
4.根据权利要求1所述的弧光检测方法，其特征在于，将所述图时序特征与所述空间特征融合包括：
5.根据权利要求1所述的弧光检测方法，其特征在于，预设分类器包括多层全连接层，以及与最后一层全连接层连接的softmax层。
6.根据权利要求1所述的弧光检测方法，其特征在于，还包括：<...
【专利技术属性】
技术研发人员：姜山，鲁方林，陈永红，黄河，马娜，王文瑞，吴波，于剑峰，毛嘉，王振明，李志兵，蔡梦怡，杨为，
申请(专利权)人：中国科学院上海高等研究院，
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。