用于识别变压器局部放电类型与强度的检测系统及方法技术方案

本发明专利技术公开了一种用于识别变压器局部放电类型与强度的检测系统，它的局部放电采集设备用于采集变压器的放电信号并根据放电信号输出反应放电类型和强度的PRPD散点图；服务器用于将PRPD散点图进行归一化处理，并利用训练好的图片分类网络对归一化后的PRPD散点图进行特征提取，提取包含放电类型和强度信息的一维向量M；检测头操作模块用于对一维向量M进行卷积操作，得到包含N种放电类型的置信度和N种放电类型的强度的向量2N。本发明专利技术采用卷积神经网络、全连接神经网络、transformer网络等深度学习网络的方式，使本发明专利技术具有同时识别多种放电类型以及不同放电类型之间的相对强度的能力。力。力。

【技术实现步骤摘要】
用于识别变压器局部放电类型与强度的检测系统及方法


[0001]本专利技术涉及变压器类设备
，具体地指一种用于识别变压器局部放电类型与强度的检测系统及方法。

技术介绍

[0002]电力变压器是电网的关键设备，维护其安全运行非常重要。绝缘故障是变压器的主要故障之一，局部放电的发展会导致绝缘问题。局部放电检测是及时发现变压器内绝缘的重要方法之一，识别出不同放电类型对于及时制定运维策略消除缺陷有重要帮助。
[0003]局部放电装置是24小时持续采集数据的，因而需要自动识别并完成告警。在各种识别算法中基于神经网络的效果较好，但是目前的网络例如resnet、mobilenet都是基于图片识别的思路。传统图片识别中一张图片只能有一个标签，但是局部放电的PRPD散点图(phase
‑
resolved partial discharge，沿面放电发展过程中相位分布图)中有可能同时有几种放电，传统的图片识别无法有效识别几种放电同时发生的情况，更无法给出同时发生的不同放电类型的相对强度。

技术实现思路

[0004]本专利技术的目的就是要提供一种用于识别变压器局部放电类型与强度的检测系统及方法，本专利技术采用卷积神经网络(CNN)、全连接神经网络、transformer网络等深度学习网络的方式，使本专利技术具有同时识别多种放电类型以及不同放电类型之间的相对强度的能力。
[0005]为实现此目的，本专利技术所设计的用于识别变压器局部放电类型与强度的检测系统，它包括局部放电采集设备、服务器和检测头操作模块；
[0006]所述局部放电采集设备用于采集变压器的放电信号并根据放电信号输出反应放电类型和强度的PRPD散点图；
[0007]服务器用于将PRPD散点图进行归一化处理，并利用训练好的图片分类网络对归一化后的PRPD散点图进行特征提取，提取包含放电类型和强度信息的一维向量M；
[0008]检测头操作模块用于对一维向量M进行卷积操作，得到包含N种放电类型的置信度和N种放电类型的强度的向量2N。将得到的向量2N的每一个数都经过一次sigmoid运算，将向量2N的每一个数都转换到0到1之间，其中相邻的两个数为一组，一共是N组，N是放电类型数量，每组中第一个数是放电类型的置信度，每组中第二个数是本类型放电强度。
[0009]本专利技术的有益效果：
[0010]现场实际采集的PRPD散点图中有可能同时有几种放电强度不同的放电同时发生，训练好的图片分类网络处理这些PRPD散点图后输入到检测头操作模块，会得到几种不同放电类型及相对强度的结果。传统算法只能得到一种放电类型且无放电强度，不适用于多种放电情况。
附图说明
[0011]图1为本专利技术的结构示意图；
[0012]图2为图片分类网络的示意图。
具体实施方式
[0013]以下结合附图和具体实施例对本专利技术作进一步的详细说明：
[0014]如图1所示用于识别变压器局部放电类型与强度的检测系统，其特征在于：它包括局部放电采集设备、服务器和检测头操作模块；
[0015]所述局部放电采集设备用于采集变压器的放电信号并根据放电信号输出反应放电类型和强度的PRPD散点图，这样可以获取局部放电特征数据，PRPD散点图是一种能反映放电类型和强度的数据形式，局放设备采集后自动生成并输出了PRPD散点图；
[0016]服务器用于将PRPD散点图进行归一化处理，并利用训练好的图片分类网络对归一化后的PRPD散点图进行特征提取，提取包含放电类型和强度信息的一维向量M；这样可以提取PRPD散点图中携带的放电类型和强度的特征信息；归一化是散点图的前处理方法，作用是为了让网络更好的提取放电类型和强度的特征信息，图片分类网络通过多层非线性操作使得网络具有提取各种特征的能力，最终得到包含局部放电类型和强度信息的向量M；
[0017]检测头操作模块用于对一维向量M进行卷积操作，得到包含N种放电类型的置信度和N种放电类型的强度的向量2N。将得到的向量2N的每一个数都经过一次sigmoid运算，将向量2N的每一个数都转换到0到1之间，其中相邻的两个数为一组，一共是N组，N是放电类型数量，每组中第一个数是放电类型的置信度，每组中第二个数是本类型放电强度。检测头模块首先将一维向量M通过卷积操作得到向量N，这一步是为了将前级网络的输出维度调整到2N。因为一般情况下前级网络的输出维度都很大。然后将2N向量逐个进行sigmoid操作，是为了将2N向量转换为最终所需要的置信度和放电强度组成的向量。因为sigmoid函数能将所有正负数转换到0、1之间。
[0018]上述技术方案中，服务器将PRPD散点图进行归一化处理的方式为：
[0019]A＝(img/255.0
‑
μ)/σ，其中，img是PRPD散点图像素值，μ是得到的预设时间段内得到的所有PRPD散点图像素值的均值，σ是预设时间段内得到的所有PRPD散点图像素值的方差。归一化处理是对输入图片的前处理操作，为了让前级网络能更好的处理图片数据。因为网络一般只能处理在
‑
1、1之间的数据。
[0020]上述技术方案中，所述检测头操作模块用于对一维向量M进行卷积操作的方式为：采用(1,1,M,2N)的卷积核将向量M变换到向量2N，(1,1,M,2N)表示卷积核大小为1x1，维度是M，数量是2N；将得到的向量2N的每一个数都经过一次sigmoid运算，将向量2N的每一个数都转换到0到1之间，其中相邻的两个数为一组，一共是N组，N是放电类型数量，每组中第一个数是放电类型的置信度，每组中第二个数是本类型放电强度。置信度指的是该类型放电发生的可能性大小，越接近于1，发生的可能性越大。一般用0.5作为区分是否发生的界线，置信度低于0.5认为没有发生本类型放电。将前级网络的输出M最终转换为所需要的包含局部放电类型和强度的2N向量，因为检测头中的卷积操作具有变换维度的能力，sigmoid操作再将2N向量逐个数转换到0、1之间。
[0021]上述技术方案中，所述sigmoid运算的公式为：
[0022]其中的x是向量2N中的数据，e为自然常数。
[0023]上述技术方案中，所述图片分类网络为卷积网络或者transformer网络。
[0024]本专利技术使用sigmoid激活函数对每一个数单独进行处理，所以可以实现检测多种类型放电同时发生的情况。
[0025]上述技术方案中，所述局部放电采集设备得到反应放电类型和强度的PRPD散点图的具体方法为：
[0026]首先，规定变压器一种特定放电(常见的较强的放电)的放电强度为1，然后依次采用仿真或者实测的方法获取每种放电类型强度从0、10％、20％一直到100％的PRPD散点图(即0、10％、20％、30％、40％、50％、60％、70％、80％、90％、100％的PRPD散点图)，这样每种放电类型有11种放电强度的PRPD散点图，N种放电类型一共有11的N次方种PRPD散点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于识别变压器局部放电类型与强度的检测系统，其特征在于：它包括局部放电采集设备、服务器和检测头操作模块；所述局部放电采集设备用于采集变压器的放电信号并根据放电信号输出反应放电类型和强度的PRPD散点图；服务器用于将PRPD散点图进行归一化处理，并利用训练好的图片分类网络对归一化后的PRPD散点图进行特征提取，提取包含放电类型和强度信息的一维向量M；检测头操作模块用于对一维向量M进行卷积操作，得到包含N种放电类型的置信度和N种放电类型的强度的向量2N。2.根据权利要求1所述的用于识别变压器局部放电类型与强度的检测系统，其特征在于：检测头操作模块将得到的向量2N的每一个数都经过一次sigmoid运算，将向量2N的每一个数都转换到0到1之间，其中相邻的两个数为一组，一共是N组，N是放电类型数量，每组中第一个数是放电类型的置信度，每组中第二个数是本类型放电强度。3.根据权利要求1所述的用于识别变压器局部放电类型与强度的检测系统，其特征在于：所述服务器将PRPD散点图进行归一化处理的方式为：A＝(img/255.0
‑
μ)/σ，其中，img是PRPD散点图像素值，μ是得到的预设时间段内得到的所有PRPD散点图像素值的均值，σ是预设时间段内得到的所有PRPD散点图像素值的方差。4.根据权利要求1所述的用于识别变压器局部放电类型与强度的检测系统，其特征在于：所述检测头操作模块用于对一维向量M进行卷积操作的方式为：采用(1,1,M,2N)的卷积核将向量M变换到向量2N，(1,1,M,2N)表示卷积核大小为1x1，维度是M，数量是2N；将得到的向量2N的每一个数都经过一次sigmoid运算，将向量2N的每一个数都转换到0到1之间，其中相邻的两个数为一组，一共是N组，N是放电类型数量，每组中第一个数是放电类型的置信度，每组中第二个数是本类型放电强度。5.根据权利要求4所述的用于识别变压器局部放电类型与强度的检测系统，其特征在于：所述sigmoid运算的公式为：其中的x是向量2N中的数据，e为自然常数。6.根据权利要求1所述的用于识别变压器局部放电类型与强度的检测系统，其特征在于：所述图片分类网络为卷积网络或者transformer网络。7.根据权利要求1所述的用于识别变压器局部放电类型与强度的检测系统，其特征在于：所述局部放电采集...

【专利技术属性】
技术研发人员：陈平辉，陈佳，王辉，胡可，梁明辉，陈念，廖泽，李晓宇，肖黎，
申请(专利权)人：国网电力科学研究院武汉南瑞有限责任公司，
类型：发明
国别省市：