本(ben)發明屬(shu)于(yu)電力系(xi)統監測與診斷，尤其涉及一(yi)種基于(yu)多特(te)征提取(qu)和融合(he)的局部放電類型識別方(fang)法及系(xi)統。

背景技術：

1、在高(gao)壓電(dian)(dian)纜(lan)系(xi)(xi)統(tong)中，局(ju)(ju)部放電(dian)(dian)（partial?discharge,?pd）現象(xiang)是由于絕緣缺陷導致的(de)(de)局(ju)(ju)部區域電(dian)(dian)氣(qi)放電(dian)(dian)，是電(dian)(dian)纜(lan)絕緣劣化(hua)和(he)故障(zhang)的(de)(de)重要預兆。因此，局(ju)(ju)部放電(dian)(dian)的(de)(de)識別(bie)和(he)診斷對于保障(zhang)電(dian)(dian)力系(xi)(xi)統(tong)的(de)(de)安全運(yun)行至關重要。

2、現有技術中，基(ji)于(yu)機器學(xue)習的(de)方(fang)法：利用支持向(xiang)量機（svm）、決策(ce)樹等傳統機器學(xue)習算法，通過提取(qu)局部放(fang)電信號的(de)特(te)(te)征進行(xing)(xing)分(fen)類。這些方(fang)法在(zai)一定(ding)程度上(shang)提高了識別(bie)準確率，但對特(te)(te)征提取(qu)的(de)依(yi)賴較大(da)，難以適應復(fu)雜多變的(de)實際環境；基(ji)于(yu)深度學(xue)習的(de)方(fang)法：采用卷積神經網絡（cnn）、長短期記憶網絡（lstm）等深度學(xue)習模(mo)型，從局部放(fang)電信號中自動提取(qu)特(te)(te)征進行(xing)(xing)識別(bie)。深度學(xue)習方(fang)法在(zai)處(chu)理復(fu)雜信號方(fang)面表現優異，但需要大(da)量標注數據進行(xing)(xing)訓練，模(mo)型的(de)解(jie)釋性較差(cha)，計算資源消耗大(da)。

技術實現思路

1、本(ben)發明提供一種基于(yu)多特(te)征提取和融(rong)合的局部放電類型識別方法及系統，用(yong)于(yu)解(jie)決需要大量標(biao)注數據進行訓練，模型的解(jie)釋性較差，計算資源消耗大的技術問題(ti)。

2、第一方(fang)面，本(ben)發(fa)明提(ti)供一種基于多特征提(ti)取和融合的局部放(fang)電(dian)類型識別方(fang)法，包(bao)括：

3、獲取局部放電信(xin)號(hao)數(shu)據(ju)，并根據(ju)頻域分析和時域分析結合的(de)方式提取所述局部放電信(xin)號(hao)數(shu)據(ju)中的(de)周期特(te)征(zheng)；

4、對(dui)(dui)所述(shu)局部放(fang)電(dian)信(xin)號(hao)數據(ju)進(jin)行(xing)圖(tu)(tu)(tu)結(jie)(jie)構(gou)特(te)征(zheng)(zheng)提取(qu)，得(de)到與所述(shu)局部放(fang)電(dian)信(xin)號(hao)數據(ju)相對(dui)(dui)應的圖(tu)(tu)(tu)結(jie)(jie)構(gou)特(te)征(zheng)(zheng)，并將(jiang)所述(shu)周期特(te)征(zheng)(zheng)和圖(tu)(tu)(tu)結(jie)(jie)構(gou)特(te)征(zheng)(zheng)進(jin)行(xing)融(rong)合(he)，并對(dui)(dui)融(rong)合(he)后(hou)的融(rong)合(he)特(te)征(zheng)(zheng)進(jin)行(xing)圖(tu)(tu)(tu)層(ceng)歸一化處理，得(de)到目(mu)標融(rong)合(he)特(te)征(zheng)(zheng)；

5、將位(wei)置(zhi)編碼添加至所述(shu)目標融合特(te)征(zheng)，并對添加后的待輸入特(te)征(zheng)進行時(shi)序特(te)征(zheng)提取，得到(dao)最(zui)終特(te)征(zheng)向量；

6、將所(suo)述(shu)最終特(te)征向量輸入至預先構建的局(ju)部(bu)放(fang)電(dian)識(shi)別模型中，所(suo)述(shu)局(ju)部(bu)放(fang)電(dian)識(shi)別模型輸出與所(suo)述(shu)最終特(te)征向量相對應的局(ju)部(bu)放(fang)電(dian)類型。

7、第二方面(mian)，本發明提供一種基(ji)于(yu)多(duo)特征提取和融合(he)的局(ju)部放電類型識別系統(tong)，包括：

8、獲(huo)取(qu)模塊，配置為獲(huo)取(qu)局部放(fang)(fang)電(dian)信號數(shu)據，并根據頻域(yu)分(fen)析(xi)和時域(yu)分(fen)析(xi)結合(he)的方式(shi)提取(qu)所述局部放(fang)(fang)電(dian)信號數(shu)據中的周期特征；

9、第一提取模(mo)塊，配置為對(dui)所述局部(bu)放電信號數據進(jin)行圖結構特(te)征(zheng)提取，得到與所述局部(bu)放電信號數據相對(dui)應的圖結構特(te)征(zheng)，并將所述周(zhou)期(qi)特(te)征(zheng)和(he)圖結構特(te)征(zheng)進(jin)行融(rong)合(he)，并對(dui)融(rong)合(he)后的融(rong)合(he)特(te)征(zheng)進(jin)行圖層歸一化(hua)處理，得到目(mu)標融(rong)合(he)特(te)征(zheng)；

10、第(di)二提取模塊，配(pei)置為將位置編碼添(tian)加至所述(shu)目(mu)標融合(he)特征(zheng)，并對添(tian)加后的待輸入特征(zheng)進(jin)行時(shi)序特征(zheng)提取，得到最終特征(zheng)向量；

11、輸(shu)出模塊，配置為(wei)將所述(shu)最(zui)終(zhong)特(te)征向量(liang)輸(shu)入至預先構建的局部放電(dian)識(shi)別模型(xing)中，所述(shu)局部放電(dian)識(shi)別模型(xing)輸(shu)出與所述(shu)最(zui)終(zhong)特(te)征向量(liang)相對應的局部放電(dian)類型(xing)。

12、第三(san)方(fang)面(mian)，提供(gong)一種(zhong)電(dian)子設(she)備(bei)，其包括：至少一個(ge)(ge)處(chu)理(li)(li)器，以及與(yu)所(suo)述(shu)至少一個(ge)(ge)處(chu)理(li)(li)器通信連接的(de)(de)存儲器，其中，所(suo)述(shu)存儲器存儲有(you)可被(bei)(bei)所(suo)述(shu)至少一個(ge)(ge)處(chu)理(li)(li)器執(zhi)行(xing)(xing)(xing)的(de)(de)指令，所(suo)述(shu)指令被(bei)(bei)所(suo)述(shu)至少一個(ge)(ge)處(chu)理(li)(li)器執(zhi)行(xing)(xing)(xing)，以使(shi)所(suo)述(shu)至少一個(ge)(ge)處(chu)理(li)(li)器能夠執(zhi)行(xing)(xing)(xing)本(ben)發明任(ren)一實施例的(de)(de)基于多特(te)征提取和(he)融合的(de)(de)局部放電(dian)類型識別(bie)方(fang)法的(de)(de)步驟。

13、第四(si)方面，本發明(ming)還提(ti)供一(yi)種計算(suan)(suan)機可讀存(cun)儲介質，其上存(cun)儲有計算(suan)(suan)機程序，所述(shu)程序指令被(bei)處(chu)理(li)器(qi)執(zhi)行時，使所述(shu)處(chu)理(li)器(qi)執(zhi)行本發明(ming)任一(yi)實施(shi)例的(de)(de)基于多特征提(ti)取(qu)和融(rong)合的(de)(de)局(ju)部放電(dian)類型識別方法的(de)(de)步(bu)驟。

14、本申請的(de)(de)基于多特(te)(te)征(zheng)提(ti)(ti)取和融(rong)合(he)的(de)(de)局部(bu)放電類型識別(bie)方(fang)法及系統，提(ti)(ti)出結(jie)合(he)節點度和節點特(te)(te)征(zheng)均值(zhi)的(de)(de)綜合(he)重(zhong)要性度量方(fang)法，通過該(gai)方(fang)法計算(suan)每個(ge)節點的(de)(de)重(zhong)要性。在(zai)此基礎上，采用自適(shi)應(ying)池化策略，優先保留(liu)重(zhong)要節點的(de)(de)特(te)(te)征(zheng)，從而顯(xian)著提(ti)(ti)升特(te)(te)征(zheng)提(ti)(ti)取的(de)(de)有效性和計算(suan)效率(lv)；在(zai)時序特(te)(te)征(zheng)提(ti)(ti)取過程中，引(yin)入(ru)了一種動(dong)態感知注(zhu)(zhu)意(yi)力機制。該(gai)機制能夠(gou)通過自適(shi)應(ying)調整注(zhu)(zhu)意(yi)力權重(zhong)，增強模(mo)型對(dui)輸入(ru)信號變(bian)化的(de)(de)響應(ying)能力，從而提(ti)(ti)高特(te)(te)征(zheng)提(ti)(ti)取的(de)(de)準確性和對(dui)動(dong)態變(bian)化的(de)(de)適(shi)應(ying)能力。

技術特征：

1.一種(zhong)基于多特征提取和融合的(de)局部放電(dian)類型識別方(fang)法，其特征在于，包括(kuo)：

2.根據(ju)(ju)權(quan)利要求1所述(shu)的(de)一(yi)種(zhong)基(ji)于多特(te)(te)征(zheng)提取和融合(he)的(de)局部放(fang)電(dian)類型(xing)識(shi)別方法，其特(te)(te)征(zheng)在于，所述(shu)根據(ju)(ju)頻域(yu)分析和時域(yu)分析結合(he)的(de)方式提取所述(shu)局部放(fang)電(dian)信號(hao)數(shu)據(ju)(ju)中的(de)周(zhou)期特(te)(te)征(zheng)包括：

3.根據(ju)(ju)權利(li)要(yao)求1所(suo)述(shu)的(de)一種(zhong)基于多特征(zheng)(zheng)提取和融合(he)的(de)局(ju)(ju)(ju)部放(fang)電類型識別方法，其特征(zheng)(zheng)在(zai)于，所(suo)述(shu)對所(suo)述(shu)局(ju)(ju)(ju)部放(fang)電信(xin)號數據(ju)(ju)進(jin)行圖結構特征(zheng)(zheng)提取，得到與所(suo)述(shu)局(ju)(ju)(ju)部放(fang)電信(xin)號數據(ju)(ju)相對應的(de)圖結構特征(zheng)(zheng)包括：

4.根據權利要求1所述(shu)的一種基于(yu)多特(te)征提取和融(rong)合(he)的局部(bu)放(fang)電類(lei)型識別方法，其特(te)征在于(yu)，將所述(shu)周期特(te)征和圖(tu)結構(gou)特(te)征進行融(rong)合(he)的表達式(shi)為(wei)：

5.根(gen)據權利(li)要求(qiu)1所(suo)述的一種基(ji)于(yu)(yu)多特(te)(te)征提取和融(rong)合(he)的局部放(fang)電類型識別(bie)方法，其(qi)特(te)(te)征在于(yu)(yu)，所(suo)述對融(rong)合(he)后的融(rong)合(he)特(te)(te)征進行圖(tu)層(ceng)歸一化(hua)處理，得到目標融(rong)合(he)特(te)(te)征包(bao)括：

6.根據權(quan)利要求(qiu)5所述(shu)的一種(zhong)基于(yu)多特征提取和融合(he)的局部放電類型(xing)識別方法，其特征在于(yu)，所述(shu)在圖(tu)卷積操作和殘差連接后引入自適(shi)應池化(hua)方法，根據節點的重(zhong)要性自適(shi)應地(di)選(xuan)擇池化(hua)策略包括(kuo)：

7.根據(ju)權利要求1所(suo)述的(de)一種基于多特(te)征提取和(he)融(rong)合的(de)局部(bu)放(fang)電類(lei)型識別方法(fa)，其(qi)特(te)征在于，所(suo)述將(jiang)位置編(bian)碼添加(jia)至所(suo)述目標融(rong)合特(te)征，并對添加(jia)后(hou)的(de)待輸入(ru)特(te)征進行(xing)時序特(te)征提取，得到最(zui)終特(te)征向量(liang)包括(kuo)：

8.一(yi)種基于多(duo)特征(zheng)提取(qu)和(he)融合的局部放電類型(xing)識(shi)別(bie)系統(tong)，其特征(zheng)在于，包括：

9.一(yi)種電子(zi)設(she)備(bei)，其特征在(zai)于，包括：至(zhi)少(shao)一(yi)個處(chu)理(li)器(qi)，以及與所(suo)述(shu)(shu)至(zhi)少(shao)一(yi)個處(chu)理(li)器(qi)通(tong)信連接的(de)存(cun)儲器(qi)，其中，所(suo)述(shu)(shu)存(cun)儲器(qi)存(cun)儲有可(ke)被所(suo)述(shu)(shu)至(zhi)少(shao)一(yi)個處(chu)理(li)器(qi)執行的(de)指(zhi)令，所(suo)述(shu)(shu)指(zhi)令被所(suo)述(shu)(shu)至(zhi)少(shao)一(yi)個處(chu)理(li)器(qi)執行，以使所(suo)述(shu)(shu)至(zhi)少(shao)一(yi)個處(chu)理(li)器(qi)能夠執行權利要求1至(zhi)7任一(yi)項(xiang)所(suo)述(shu)(shu)的(de)方法。

10.一(yi)(yi)種計算機(ji)可(ke)讀存儲(chu)介質，其上存儲(chu)有計算機(ji)程(cheng)(cheng)序，其特征在于(yu)，所(suo)(suo)述程(cheng)(cheng)序被處(chu)理(li)器(qi)執行時實現權利要求(qiu)1至7任一(yi)(yi)項(xiang)所(suo)(suo)述的(de)方法。

技術總結
本發明公開了一種基于多特征提取和融合的局部放電類型識別方法及系統，方法包括：對局部放電信號數據進行圖結構特征提取，得到與局部放電信號數據相對應的圖結構特征，并將周期特征和圖結構特征進行融合，并對融合后的融合特征進行圖層歸一化處理，得到目標融合特征；將位置編碼添加至目標融合特征，并對添加后的待輸入特征進行時序特征提取，得到最終特征向量；將最終特征向量輸入至預先構建的局部放電識別模型中，局部放電識別模型輸出與最終特征向量相對應的局部放電類型。能夠通過自適應調整注意力權重，增強模型對輸入信號變化的響應能力，從而提高特征提取的準確性和對動態變化的適應能力。

技術研發人員：李瓊,陳龍,廖旭,劉林君,饒慧晴,陳亮亮,靳曉光
受保護的技術使用者：南昌航空大學
技術研發日：
技術公布日：2024/9/29