一种电气设备绝缘故障状态分类方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法、装置及存储介质，其中方法包括：获取电气设备运行的历史数据和实时数据；分别对历史数据和实时数据进行特征提取、拼接、自动编码器降维和标准化处理，得到历史数据特征组和实时数据特征组；基于参数自适应选取的DBSCAN聚类算法，对历史数据特征组和实时数据特征组分别进行聚类，实现电气设备绝缘故障状态分类，得到聚类的历史核心对象列表和实时核心对象列表；抽取、合并历史核心对象列表和实时核心对象列表，并应用参数自适应选取的DBSCAN聚类算法，得到实时数据的精准绝缘故障状态分类结果。与现有技术相比，本发明专利技术具有分类结果准确、可解释性好等优点。释性好等优点。释性好等优点。

【技术实现步骤摘要】
一种电气设备绝缘故障状态分类方法、装置及存储介质


[0001]本专利技术涉及高压电气设备绝缘故障状态分类领域，尤其是涉及一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法、装置及存储介质。

技术介绍

[0002]在长时间的高电压和恶劣环境的作用下，高压电气设备可能发生温升、放电等故障。电气设备故障可以通过泄漏电流、红外成像图、紫外成像图、可见光图像、特高频等多种检测手段进行判别。而对电气设备运行状态分级，力求在不同环境条件，对多检测信号，尤其是对不同拍摄视角的图像，能在状态分级中有客观的受影响较小的统一的划分方法，以此减少运维人员工作。
[0003]针对检测到的图像信号具有维度高、信息冗余复杂等特点，对数据进行降维是非常必要的。而利用无监督学习对设备运行状态特征进行聚类，有助于对设备运行状态获得的大量实时和历史检测数据划分。电气设备检测数据是一系列多检测方式检测源数据及特征提取后特征构成的无标记数据，使用无监督聚类模型划分故障状态，可提高数据的利用率，便于后续分析、建模使用这些无标记数据。对于电气设备不同故障原因的检测信号特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法，其特征在于，包括以下步骤：获取电气设备运行的历史数据和实时数据，所述历史数据和实时数据包括设备运行电压等级、环境温度、泄漏电流波形和红外图像；分别对历史数据和实时数据进行特征提取、拼接、自动编码器降维和标准化处理，得到历史数据特征组和实时数据特征组；基于参数自适应选取的DBSCAN聚类算法，对历史数据特征组和实时数据特征组分别进行聚类，实现电气设备绝缘故障状态分类，得到聚类的历史核心对象列表和实时核心对象列表；抽取、合并历史核心对象列表和实时核心对象列表，并应用参数自适应选取的DBSCAN聚类算法，得到实时数据的精准绝缘故障状态分类结果。2.根据权利要求1所述的一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法，其特征在于，对历史数据和实时数据中的泄漏电流波形进行特征提取时，提取电流波形的幅值和有效值特征。3.根据权利要求2所述的一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法，其特征在于，对历史数据和实时数据中的红外图像进行特征提取时，提取图像的HSV特征和图像熵特征。4.根据权利要求3所述的一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法，其特征在于，将多检测信号的特征进行拼接，得到一条设备运行状态判别向量：X＝(V,T,I
max
,I
E
,H
i
,S
i
,V
i
,E)其中，i为遍历的像素点，V为设备运行的外加电压值，T为环境温度，I
max
为泄漏电流最大值，I
E
为泄漏电流有效值，红外图像的HSV特征平均值为H
i
，S
i
和V
i
，E为红外图像的熵值。5.根据权利要求1所述的一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法，其特征在于，所述自动编码器的隐藏特征设定为4维特征，自动编码器编码和解码均有N层隐藏层，利用N层编码隐藏层对拼接后的特征进...

【专利技术属性】
技术研发人员：高凯，曹培，吴天逸，司文荣，黄华，金立军，马丹睿，贺建明，
申请(专利权)人：同济大学华东电力试验研究院有限公司，
类型：发明
国别省市：