一种基于大数据的超声波局放检测分析模型制造技术

本发明专利技术提供一种基于大数据的超声波局放检测分析模型，包括输入单元，获取从配电设备采集的待检测超声波信号；大数据单元，获取配电设备局部放电产生超声波信号的大数据样本，其中大数据样本包括多个样本超声波信号及其对应的局部放电类型；特征提取单元，对待检测超声波信号和样本超声波信号进行特征提取处理输出该超声波信号的特征参数；模型训练单元，采用样本超声波信号的特征参数和对应的局部放电类型构成训练集对局放检测模型进行训练，输出训练好的局放检测模型；局放分析单元，将待检测超声波信号的特征参数输入到训练好的局放检测模型，输出该待检测超声波信号的局部放电类型。本发明专利技术根据大数据样本进行局放检测，准确型高，可靠性强。

An analysis model of ultrasonic partial discharge detection based on big data

【技术实现步骤摘要】
一种基于大数据的超声波局放检测分析模型
本专利技术涉及局放检测
，特别是一种基于大数据的超声波局放检测分析模型。
技术介绍
如今带有绝缘性能的设备在当前的电力系统中得到大量的应用，其设备的绝缘状态与电网安全息息相关。局部放电可以有效反映电力设备内部绝缘缺陷的主要特征之一，对配电设备进行局部放电检测可以有效获取设备的绝缘状况，从而及时消除隐患，避免重大事故的发生。现有技术中，发现配电设备在产生局部放电时，会产生冲击的振动和声波，通过超声波检测仪可对放电超声波信号进行接收，并通过对超声波信号的识别可以发现和定位可能存在的局部放电隐患。但是，由于配电现场运行环境复杂多样，因此采集的超声波信号存在的差异较大，目前通过单一特征对超声波信号进行判断并识别局部放电模式的方法并不能满足人们对局部放电模式识别准确性和客观性的需求。
技术实现思路
针对上述问题，本专利技术旨在提供一种基于大数据的超声波局放检测分析模型。本专利技术的目的采用以下技术方案来实现：一种基于大数据的超声波局放检测分析模型，包括：输入单元，用于获取从配电设备采集的待检测超声波信号；大数据单元，用于获取配电设备局部放电产生超声波信号的大数据样本，其中大数据样本包括多个样本超声波信号及其对应的局部放电类型；特征提取单元，分别与输入单元和大数据单元连接，用于对待检测超声波信号和样本超声波信号进行特征提取处理，输出该超声波信号的特征参数，模型训练单元，与特征提取单元连接，用于采用样本超声波信号的特征参数和对应的局部放电类型构成训练集对局放检测模型进行训练，输出训练好的局放检测模型；局放分析单元，分别与特征提取单元和模型训练单元连接，用于调用训练好的局放检测模型，将待检测超声波信号的特征参数输入到训练好的局放检测模型，输出该待检测超声波信号对应的局部放电类型。在一种实施方式中，分析模型还包括：输出单元，与局部分析单元连接，用于输出局部分析单元的输出结果。在一种实施方式中，局放检测模型采用支持向量机分类器，将待检测超声波信号的特征参数输入到训练好的支持向量机分类器，该训练好的支持向量机分类器能够输入待检测超声波信号的局部放电类型。在一种实施方式中，输入单元与超声波传感器连接，获取超声波传感器从配电设备中采集的待检测超声波信号。在一种实施方式中，输入单元与存储设备连接，获取存储设备中预先存储好的待检测超声波信号。在一种实施方式中，分析模型还包括去噪单元，去噪单元设置在输入单元和特征提取单元之间，分别与输入单元和特征提取单元连接，用于对输入单元获取的待检测超声波信号进行去噪处理，输出去噪后的待检测超声波信号到特征提取单元进一步处理。本专利技术的有益效果为：一方面，分析模型分别设置有输入单元和大数据单元作为输入接口，输入单元用于输入待检测的超声波信号，大数据单元接入大数据库，获取用于局放检测的超声波信号大数据样本；特征提取单元通过统一的特征提取方式分别对待检测的超声波信号和样本超声波信号进行识别，采用统一的特征提取标准，能够确保特征提取的客观性；另一方面，将大数据样本中的超声波信号作为训练数据，将其获取的特征参数作为训练局放检测模型的训练集，由于该训练集数据源于大数据样本，确保训练集数据的多样性和客观性，间接提高了训练模型的质量；最后将待检测超声波信号的特征参数作为输入集输入到训练好的局放检测模型中，通过对该特征参数进行分类，最后输出的局放检测结果准确性高、可靠性高。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1为本专利技术的框架结构图。附图标记：输入单元1、大数据单元2、特征提取单元3、模型训练单元4、局放分析单元5、输出单元6、去噪单元7具体实施方式结合以下应用场景对本专利技术作进一步描述。参见图1，其示出一种基于大数据的超声波局放检测分析模型，包括：输入单元1，用于获取从配电设备采集的待检测超声波信号；大数据单元2，用于获取配电设备局部放电产生超声波信号的大数据样本，其中大数据样本包括多个样本超声波信号及其对应的局部放电类型；特征提取单元3，分别与输入单元1和大数据单元2连接，用于对待检测超声波信号和样本超声波信号进行特征提取处理，输出该超声波信号的特征参数，模型训练单元4，与特征提取单元3连接，用于采用样本超声波信号的特征参数和对应的局部放电类型构成训练集对局放检测模型进行训练，输出训练好的局放检测模型；局放分析单元5，分别与特征提取单元3和模型训练单元4连接，用于调用训练好的局放检测模型，将待检测超声波信号的特征参数输入到训练好的局放检测模型，输出该待检测超声波信号对应的局部放电类型。本专利技术上述实施方式，一方面，分析模型分别设置有输入单元1和大数据单元2作为输入接口，输入单元1用于输入待检测的超声波信号，大数据单元2接入大数据库，获取用于局放检测的超声波信号大数据样本；特征提取单元3通过统一的特征提取方式分别对待检测的超声波信号和样本超声波信号进行识别，采用统一的特征提取标准，能够确保特征提取的客观性；另一方面，将大数据样本中的超声波信号作为训练数据，将其获取的特征参数作为训练局放检测模型的训练集，由于该训练集数据源于大数据样本，确保训练集数据的多样性和客观性，间接提高了训练模型的质量；最后将待检测超声波信号的特征参数作为输入集输入到训练好的局放检测模型中，通过对该特征参数进行分类，最后输出的局放检测结果准确性高、可靠性高。在一种实施方式中，分析模型还包括：输出单元6，与局部分析单元连接，用于输出局部分析单元的输出结果。本专利技术上述实施方式，作为分析模型的可扩展功能，对待检测超声波信号的局方检测结果可通过输出单元6连接到外部扩展模块或存储单元被进一步调用或整理。同时，检测结果也能够同步更新到大数据库，作为数据的不断补充。在一种实施方式中，局放检测模型采用支持向量机分类器，将待检测超声波信号的特征参数输入到训练好的支持向量机分类器，该训练好的支持向量机分类器能够输入待检测超声波信号的局部放电类型。本专利技术上述实施方式，采用SVM支持向量机分类器建立局放分类模型，能够依托于现有的支持向量机分类器进行训练出局放检测模型，适应性强。在一种实施方式中，大数据单元2与大数据服务器连接，从大数据服务器中获取配电设备不同局部放电类型产生的超声波信号的大数据样本，其中大数据样本包括多个样本超声波信号及其对应的局部放电类型。在一种实施方式中，局部放电类型包括悬浮放电、尖刺放电、沿面放电、间隙放电和无放电，样本超声波信号为上述任一种局部放电类型产生的样本超声波信号；作为优选的实施方式中，训练集中包括上述每种局部放电类型50个样本超声波信号的特征参数。在获取的本文档来自技高网...

【技术保护点】
1.一种基于大数据的超声波局放检测分析模型，其特征在于，包括：/n输入单元，用于获取从配电设备采集的待检测超声波信号；/n大数据单元，用于获取配电设备局部放电产生超声波信号的大数据样本，其中所述大数据样本包括多个样本超声波信号及其对应的局部放电类型；/n特征提取单元，分别与所述输入单元和大数据单元连接，用于对所述待检测超声波信号和样本超声波信号进行特征提取处理，输出该超声波信号的特征参数；/n模型训练单元，与特征提取单元连接，用于采用所述样本超声波信号的特征参数和对应的局部放电类型构成训练集对局放检测模型进行训练，输出训练好的局放检测模型；/n局放分析单元，分别与特征提取单元和模型训练单元连接，用于调用所述训练好的局放检测模型，将所述待检测超声波信号的特征参数输入到所述训练好的局放检测模型，输出该待检测超声波信号对应的局部放电类型。/n

【技术特征摘要】
1.一种基于大数据的超声波局放检测分析模型，其特征在于，包括：
输入单元，用于获取从配电设备采集的待检测超声波信号；
大数据单元，用于获取配电设备局部放电产生超声波信号的大数据样本，其中所述大数据样本包括多个样本超声波信号及其对应的局部放电类型；
特征提取单元，分别与所述输入单元和大数据单元连接，用于对所述待检测超声波信号和样本超声波信号进行特征提取处理，输出该超声波信号的特征参数；
模型训练单元，与特征提取单元连接，用于采用所述样本超声波信号的特征参数和对应的局部放电类型构成训练集对局放检测模型进行训练，输出训练好的局放检测模型；
局放分析单元，分别与特征提取单元和模型训练单元连接，用于调用所述训练好的局放检测模型，将所述待检测超声波信号的特征参数输入到所述训练好的局放检测模型，输出该待检测超声波信号对应的局部放电类型。


2.根据权利要求1所述的一种基于大数据的超声波局放检测分析模型，其特征在于，所述分析模型还包括：输出单元，与局部分析单元连接，用于输出所述局部分析单元的输出结果。


3.根据权利要求1所述的一种基于大数据的超声波局放检测分析模型，其特征在于，所述局放检测模型采用支持向量机分类器，将待检测超声波信号的特征参数输入到训练好的支持向量机分类器，该训练好的支持向量机分类器能够输入所述待检测超声波信号的局部放电类型。


4.根据权利要求1所述的一种基于大数据的超声波局放检测分析模型，其特征在于，所述输入单元与超声波传感器连接，获取所述超声波传感器从配电设备中采集的待检测超声波信号；或
所述输入单元与存储设备连接，获取所述存储设备中预先存储好的待检测超声波信号。


5.根据权利要求1所述的一种基于大数据的超声波局放检测分析模型，其特征在于，所述局部放电类型包括悬浮放电、尖刺放电、沿面放电、间隙放电和无放电，所述样本超声波信号为上述任一种局部放电类型产生的样本超声波信号。


6.根据权利要求1所述的一种基于大数据的超声波局放检测分析模型，其特征在于，所述分析模型还包括去噪单元，所述去噪单元设置在所述输入单元和特征提取单元之间，分别与所述输入单元和特征提取单元连接，用于对输入单元获取的待检测超声波信号进行去噪处理，输出去噪后的待检测超声波信号到所述特征提取单元...

【专利技术属性】
技术研发人员：孔德昕，佟强，肖斐鸿，周西洋，赵晓兵，杜雨，麦金龙，苏炳泽，周子强，
申请(专利权)人：深圳供电局有限公司，深圳市康拓普信息技术有限公司，
类型：发明
国别省市：广东;44