一种绝缘缺陷类型获取方法及装置制造方法及图纸

一种绝缘缺陷类型获取方法，其特征在于，包括：获取绝缘缺陷的第一信息，所述第一信息为所述绝缘缺陷的特高频脉冲波形信息；根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息。本发明专利技术实施时，本实施例通过FkNN分类器对数据样本中的绝缘缺陷类型及特高频脉冲波形信息进行训练得到第一模型，通过第一模型及获取的绝缘缺陷的特高品脉冲信息来确定绝缘缺陷的类型，获取结果准确，同时效率高。

【技术实现步骤摘要】
一种绝缘缺陷类型获取方法及装置
本专利技术涉及绝缘检测领域，尤其是涉及一种绝缘缺陷类型获取方法及装置。
技术介绍
电力设备制造和运行中产生的绝缘缺陷会引起绝缘局部场强集中，进而导致绝缘局部击穿并引发局部放电。而不同缺陷类型的局部放电对绝缘的危害程度及损伤机理不同，识别局部放电缺陷类型对于电力设备绝缘状态的诊断和评估具有重要的理论意义和实用价值。目前对缺陷类型的区分还停留在人工区分上，工作人员通过经验及绝缘缺陷处的电场信号判断缺陷类型。专利技术人在长期实践过程中发现人工判断缺陷类型存在以下问题：通过人工判断缺陷类型判定结果根据工作人员经验而定，而每个工作人员经验不一，导致判断结果不准确。
技术实现思路
本专利技术的目的在于克服现有技术中人工判断缺陷类型结果不准确的技术问题，提供一种绝缘缺陷类型获取方法及装置。为实现上述技术目的，达到上述技术效果，本专利技术是通过以下技术方案实现：第一方面提供一种绝缘缺陷类型获取方法，包括：获取绝缘缺陷的第一信息，所述第一信息为所述绝缘缺陷的特高频脉冲波形信息；根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息。本专利技术所述的绝缘缺陷类型获取方法，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，包括：获取多组数据，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息；根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息；根据所述第二信息获取第三信息，所述第三信息为所述第二信息经过降维处理的特征参量；根据所述第三信息及所述绝缘缺陷的类型通过FkNN训练得到第一模型。本专利技术所述的绝缘缺陷类型获取方法，其中，获取多组数据，根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息前，包括：归一化处理所述特高频脉冲波形信息，得到预处理的绝缘缺陷的特高频脉冲信息及类型信息。本专利技术所述的绝缘缺陷类型获取方法，其中，根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息包括：根据归一化后的所述特高频脉冲波形信息得到随时间变化的自适应核函数；根据所述自适应核函数计算与所述自适应核函数对应的自适应径向高斯核函数；根据所述归一化后的所述特高频脉冲波形信息及所述自适应径向高斯核函数计算得到所述第二信息。本专利技术所述的绝缘缺陷类型获取方法，其中，根据所述第二信息获取第三信息，所述第三信息为所述第二信息经过降维处理的特征参量，包括：根据所述第二信息计算所述第二信息对应的基矩阵；根据所述基矩阵获取所述第三信息，所述第三信息为根据所述基矩阵获取的时频特征矩阵。本专利技术所述的绝缘缺陷类型获取方法，其中，根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息包括：根据所述第一信息得到第四信息，所述第四信息为所述绝缘缺陷的时频信息；根据所述第四信息获取第五信息，所述第五信息为所述第四信息经过降维处理后的特征参量；根据所述第五信息及所述第一模型获得所述绝缘缺陷的类型信息。第二方面提供一种绝缘缺陷类型获取装置，其特征在于，包括：获取模块，用于获取绝缘缺陷的第一信息，所述第一信息为所述绝缘缺陷的特高频脉冲波形信息；处理模块，用于根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息。本专利技术所述的绝缘缺陷类型获取装置，其中，所述处理模块具体用于：获取多组数据，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息；根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息；根据所述第二信息获取第三信息，所述第三信息为所述第二信息经过处理的特征参量；根据所述第三信息及所述绝缘缺陷的类型通过FkNN训练得到第一模型。本专利技术所述的绝缘缺陷类型获取装置，其中，所述处理模块具体用于：获取多组数据，根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息前，归一化处理所述特高频脉冲波形信息，得到预处理的绝缘缺陷的特高频脉冲信息及类型信息。本专利技术所述的绝缘缺陷类型获取装置，其中，所述处理模块具体用于：根据所述归一化后的所述特高频脉冲波形信息得到随时间变化的自适应核函数；根据所述自适应核函数计算与所述自适应核函数对应的自适应径向高斯核函数；根据所述归一化后的所述特高频脉冲波形信息及所述自适应径向高斯核函数计算得到所述第二信息。与现有技术相比，本专利技术的有益效果是：本专利技术实施时，本实施例通过FkNN分类器对数据样本中的绝缘缺陷类型及特高频脉冲波形信息进行训练得到第一模型，通过第一模型及获取的绝缘缺陷的特高品脉冲信息来确定绝缘缺陷的类型，获取结果准确，同时效率高。附图说明图1为本专利技术提供的一种方法实施例视图；图2为本专利技术提供的另一种方法实施例视图；图3为本申请提供的一种可能的处理器的示意图；图4为本申请提供的另一种可能的处理器的示意图；具体实施方式请参阅图1-4所示，需要说明的是，电力设备制造和运行中产生的绝缘缺陷会引起绝缘局部场强集中，进而导致绝缘局部击穿并引发局部放电。而不同缺陷类型的局部放电对绝缘的危害程度及损伤机理不同，识别局部放电缺陷类型对于电力设备绝缘状态的诊断和评估具有重要的理论意义和实用价值。局部的放电信息，可以由电力设备上的传感器直接采集到。目前对缺陷类型的区分还停留在人工区分上，工作人员通过经验及绝缘缺陷处的电场信号判断缺陷类型。专利技术人在长期实践过程中发现人工判断缺陷类型存在以下问题：通过人工判断缺陷类型判定结果根据工作人员经验而定，而每个工作人员经验不一，导致判断结果不准确。基于此，本专利技术实施例提供一种绝缘缺陷类型获取方法，包括：S101获取绝缘缺陷的第一信息，所述第一信息为所述绝缘缺陷的特高频脉冲波形信息；S102根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息。如图1所示，本实施例通过FkNN分类器对数据样本中的绝缘缺陷类型及特高频脉冲波形信息进行训练得到第一模型，通过第一模型及获取的绝缘缺陷的特高品脉冲信息来确定绝缘缺陷的类型，获取结果准确，同时效率高。需要说明的是，上述方法的执行装置可以为处理器，dsp，FPGA等，在一些实施例中，所述第一本文档来自技高网...

【技术保护点】
1.一种绝缘缺陷类型获取方法，其特征在于，包括：/n获取绝缘缺陷的第一信息，所述第一信息为所述绝缘缺陷的特高频脉冲波形信息；/n根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息。/n

【技术特征摘要】
1.一种绝缘缺陷类型获取方法，其特征在于，包括：
获取绝缘缺陷的第一信息，所述第一信息为所述绝缘缺陷的特高频脉冲波形信息；
根据所述第一信息及第一模型得到所述绝缘缺陷的类型信息，其中，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息。


2.根据权利要求1所述的绝缘缺陷类型获取方法，其特征在于，所述第一模型为使用多组数据作为训练样本采用FkNN分类器训练所得，包括：
获取多组数据，所述多组数据中的每组数据均包括绝缘缺陷的类型及绝缘缺陷的特高频脉冲波形信息；
根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息；
根据所述第二信息获取第三信息，所述第三信息为所述第二信息经过降维处理的特征参量；
根据所述第三信息及所述绝缘缺陷的类型通过FkNN训练得到第一模型。


3.根据权利要求2所述的绝缘缺陷类型获取方法，其特征在于，获取多组数据，根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息前，包括：
归一化处理所述特高频脉冲波形信息，得到预处理的绝缘缺陷的特高频脉冲信息及类型信息。


4.根据权利要求3所述的绝缘缺陷类型获取方法，其特征在于，根据所述多组数据得到第二信息，所述第二信息为所述绝缘缺陷的时频信息包括：
根据归一化后的所述特高频脉冲波形信息得到随时间变化的自适应核函数；
根据所述自适应核函数计算与所述自适应核函数对应的自适应径向高斯核函数；
根据所述归一化后的所述特高频脉冲波形信息及所述自适应径向高斯核函数计算得到所述第二信息。


5.根据权利要求4所述的绝缘缺陷类型获取方法，其特征在于，根据所述第二信息获取第三信息，所述第三信息为所述第二信息经过降维处理的特征参量，包括：
根据所述第二信息计算所述第二信息对应的基矩阵；
根据所述基矩阵获取所述第三信息，所述第三信息为根据所述基矩阵获取的时频特征矩阵。

...

【专利技术属性】
技术研发人员：李宾宾，程登峰，田宇，罗沙，柯艳国，邱欣杰，朱太云，朱胜龙，李坚林，季坤，甄超，叶剑涛，杨为，赵恒阳，陈庆涛，郑浩，熊良民，姜源，温睿，韦健，金晶，陈忠，张国宝，宋东波，周立军，曹飞翔，吴琼，金甲杰，曹涛，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：安徽;34