一种基于改进梯度提升树的电力设备局放量预测方法技术

本发明专利技术公开了本发明专利技术提供了一种基于改进梯度提升树的电力设备局放量预测方法。该方法通过提取紫外图像序列中的光子数、放电环境因素以及紫外图像对应的电力设备局放量，建立由光子数、放电环境因素与局放量构成的数据集，构建改进梯度提升树模型，对数据集中的各因素之间的关系进行学习，获得光子数、放电环境因素与局放量之间的关联，从而可以通过紫外图像和外界环境因素预测出该设备的局放量，了解电气设备状态，及时获知甚至避免较大灾害的发生。

A Prediction Method of Partial Discharge Volume of Electric Power Equipment Based on Improved Gradient Lifting Tree

【技术实现步骤摘要】
一种基于改进梯度提升树的电力设备局放量预测方法
本专利技术涉及电力大数据
，具体涉及一种基于改进梯度提升树的电力设备局放量预测方法。
技术介绍
电力设备作为电力系统最重要的组成部分，其高效、正常运行是确保电网持续供电的关键。但是随着社会用电总量的持续增加，电力设备长期运行在高压状态，加上各种环境因素的影响，导致电力设备频繁产生各种故障。其中最普遍的一类故障直接表现为局部放电，这类放电故障如果不能及时处理，最终会导致电力设备的击穿，严重时可能会导致整个电力系统的瘫痪。相关资料显示，我国电力故障中有接近30％是由电气设备故障引发。因此，研究如何及时检测电力设备的放电故障将具有巨大的理论价值和经济意义。早期检验电力设备是否放电的常见方法是声波检测和超高频检测，但这些方法不能满足绝缘放电设备的需要，主要存在以下问题：1)不能进行在线检测；当绝缘装置数量较大时，在有限的检测时间内很难做到全部检测；2)检测速度慢，消耗的人力物力较大；3)误检率高，需要有一定的探测面，部分绝缘设备无法检测；4)需要高空作业，且施工受季节影响较大。随着计算机视觉的发展，利用紫外成像法来探测局放量是电气设备故障检测的新兴技术，该方法可清晰地将放电位置与放电强度在图像中显示出来。但目前紫外成像法在我国电力系统中的应用仍处于初级阶段，不少高校、科研机构就拍摄距离、仪器增益、放电电压等单个因素与紫外成像的关系进行了实验分析，并利用光子数与单个因素进行函数拟合，实现局放量的距离校正、增益校正等，但未考虑各影响因子之间的相关性、多重相关性以及高维空间的数据冗余等。
技术实现思路
为了克服现有技术上的不足，本专利技术提供了一种基于改进梯度提升树的电力设备局放量预测方法，获取光子数、放电环境因素与局放量之间的关联，从而可以通过紫外图像和外界环境因素预测出该设备的局放量，了解电气设备状态，及时获知甚至避免较大灾害的发生。为了解决上述技术问题，本专利技术提供了一种基于改进梯度提升树的电力设备局放量预测方法，其特征是，包括以下步骤：S1，采集电力设备放电时的紫外图像，获取图像中的光子数；S2，收集每张紫外图像所对应的外界环境因素和电力设备实际局放量值；S3，以光子数、外界环境因素作为输入、局放量值作为输出，来训练预设的改进梯度提升树模型，获取最优的改进梯度提升树模型；S4，对待预测的电力设备，获取待预测电力设备的光子数以及外界环境因素输入最优的改进梯度提升树模型获得预测的局放量。进一步的，光子数计算过程如下：1)利用自适应阈值的OTSU算法对1秒内采集到的紫外图像序列进行二值化操作，获取二值图像，自适应阈值选取公式为：T＝α×(Imax-Imin)其中α为阈值比例因子，I为紫外图像，Imax为紫外图像中的最大像素值，Imin为紫外图像中的最小像素值；2)遍历二值化后的紫外图像序列，对二值化后的紫外图像进行连通域标记操作，标记出图像中所有的连通域；3)统计标记的所有连通域的面积，将所有面积之和作为图像中的光子数。进一步的，外界环境因素包括仪器增益、图像拍摄距离、设备电压、污秽程度、大气压强、环境温度和环境湿度。进一步的，数据清洗包括以下内容：1)将数据中出现的空值信息进行补全或删除；将上述数据中存在重复或者与客观规律明显违背的数据进行删除；2)对一些非量化特征进行量化处理；3)随机打乱所有数据。进一步的，改进梯度提升树模型包括梯度提升树模型，改进梯度提升树的损失函数，将原始的1阶导数损失函数改进为2阶的泰勒展开，并在损失函数之外加入正则项，其改进后损失函数如下式所示：其中：t表示算法迭代次数，表示第t-1次迭代预测结果与标准输出值之差，gi表示的一次导函数，hi表示的二次导函数，为预测值，yi为真实值，ft(xi)代表输入为xi时，第t次迭代的预测结果，T代表叶子节点的个数，ω代表叶子节点的权重，γ为阈值，是叶子节点数T的系数，λ为正则项里的L2模平方的系数。进一步的，利用K折交叉验证对改进梯度提升树模型进行训练。与现有技术相比，本专利技术的有益效果为：在实际预测时，利用放电设备紫外图像序列与对应环境因素，估计出该设备的局放量大小，为测试维修人员提供定性与定量的分析结果。该方法综合考虑了各环境因素之间的相关性，并结合智能图像处理相关知识提取光子数，具有实时性强，准确率高的优点，可以满足实际工程需求，具有广泛的应用前景。附图说明图1是本专利技术基于改进梯度提升树的电力设备局放量预测方法的结构图；图2是紫外图像序列提取光子数算法流程图；图3是外界环境因素数据清洗示意图；图4是损失值示意图；图5是部分紫外图像预测结果示意图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本专利技术的技术构思为：利用利用智能图像处理技术结合电力大数据构建改进梯度提升树模型，实现局放量的预测，及时对放电设备健康状态进行反馈，避免放电设备产生较大故障。首先，采集电力设备放电时的紫外图像，获取图像中的光子数；接着收集用于训练的每张紫外图像所对应的外界环境因素，并进行数据清洗；然后建立局放量预测模型：采用改进的梯度提升树模型，对模型代价函数及模型学习率进行优化，设置模型学习优化迭代次数，利用光子数、外界环境因素作为特征，实际局放量作为标签，训练局放量预测模型以获得最优模型；最后将电力设备紫外图像以及放电环境参数分别按照上述步骤进行处理，并将处理结果输入到预测模型中，输出模型预测的局放量结果。本专利技术的一种基于改进梯度提升树的电力设备局放量预测方法，参见图1所示，包括以下过程：步骤1，采集电力设备放电时的紫外图像，获取图像中的光子数。采集到的电力设备放电时的紫外图像是一组灰度图像序列，基于此紫外图像，统计1秒内所有紫外图像的光子数，如图2所示，光子数计算算法如下：1)利用自适应阈值的OTSU算法对1秒内采集到的紫外图像序列进行二值化操作，获取二值图像，自适应阈值选取公式为：T＝α×(Imax-Imin)其中α为阈值比例因子，I为紫外图像，Imax为紫外图像中的最大像素值，Imin为紫外图像中的最小像素值；2)遍历二值化后的紫外图像序列，对二值化后的紫外图像进行连通域标记操作，标记出图像中所有的连通域；3)统计标记的所有连通域的面积，将所有面积之和作为图像中的光子数。步骤2，收集用于训练的每张紫外图像所对应的外界环境因素和电力设备实际局放量值，并进行数据清洗。紫外图像对应的外界环境因素包括仪器增益、图像拍摄距离、设备电压、污秽程度、大气压强、环境温度和环境湿度。数据清洗参见图3所示，包括以下内容：1)将上述数据中出现的空值信息进行补全或删除，确保上述环境参数都不为空；将上述数据中存在重复或者与客观规律明显违背的数据进行删除，确保数据的唯一性与可靠性；2)对一些非量化特征进行量化处理，如污秽程度分为四个等级：无污秽、轻微污秽、一般污秽、严重污秽，将其量化为1、2、3、4四个数值；3)进行完量化操作后，随机打乱所有数据。步骤3，建立局放量预测模型：采用一种基于改进梯度提升树模型，对模型代价函数及模型学习率进行优化，设置模型学习优化迭代次数，利用光子数、外界环境因素作为特征，实际局放量作为标签，以获得最优模型。将所有数据随机分为本文档来自技高网...

【技术保护点】
1.一种基于改进梯度提升树的电力设备局放量预测方法，其特征是，包括以下步骤：S1，采集电力设备放电时的紫外图像，获取图像中的光子数；S2，收集每张紫外图像所对应的外界环境因素和电力设备实际局放量值；S3，以光子数、外界环境因素作为输入、局放量值作为输出，来训练预设的改进梯度提升树模型，获取最优的改进梯度提升树模型；S4，对待预测的电力设备，获取待预测电力设备的光子数以及外界环境因素输入最优的改进梯度提升树模型，获得预测的局放量。

【技术特征摘要】
1.一种基于改进梯度提升树的电力设备局放量预测方法，其特征是，包括以下步骤：S1，采集电力设备放电时的紫外图像，获取图像中的光子数；S2，收集每张紫外图像所对应的外界环境因素和电力设备实际局放量值；S3，以光子数、外界环境因素作为输入、局放量值作为输出，来训练预设的改进梯度提升树模型，获取最优的改进梯度提升树模型；S4，对待预测的电力设备，获取待预测电力设备的光子数以及外界环境因素输入最优的改进梯度提升树模型，获得预测的局放量。2.根据权利要求1所述的一种基于改进梯度提升树的电力设备局放量预测方法，其特征是，光子数计算过程如下：1)利用自适应阈值的OTSU算法对1秒内采集到的紫外图像序列进行二值化操作，获取二值图像，自适应阈值选取公式为：T＝α×(Imax-Imin)其中α为阈值比例因子，I为紫外图像，Imax为紫外图像中的最大像素值，Imin为紫外图像中的最小像素值；2)遍历二值化后的紫外图像序列，对二值化后的紫外图像进行连通域标记操作，标记出图像中所有的连通域；3)统计标记的所有连通域的面积，将所有面积之和作为图像中的光子数。3.根据权利要求1所述的一种基于改进梯度提升树的电力设备局放量预测方法，其特征是...

【专利技术属性】
技术研发人员：张杉，王肖霖，李庆武，侯晓妍，周亚琴，马云鹏，储露露，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32