在线局部放电检测结果的矫正方法及其系统技术方案

本申请涉及一种在线局部放电检测结果的矫正方法及其系统，该方法包括以下步骤：基于局部放电检测系统采集得到输入信号，并对输入信号进行预处理，其中，输入信号包含局部放电信号和噪声信号；将预处理的输入信号输入到预训练好的模型中，并得到检测结果。本申请具有能够及时地检测和识别局部放电信号，有效地预测和矫正检测结果，从而提高了系统的可靠性和稳定性的优点。稳定性的优点。稳定性的优点。

【技术实现步骤摘要】
在线局部放电检测结果的矫正方法及其系统


[0001]本申请涉及电气工程的领域，尤其是涉及一种在线局部放电检测结果的矫正方法及其系统。

技术介绍

[0002]局部放电是高压设备中常见的一种电气放电现象，它会导致设备内部的绝缘材料损坏，从而降低设备的性能甚至造成设备损坏。因此，及早检测局部放电信号对于设备的可靠运行至关重要。目前，已经有很多局部放电检测系统被研发出来，这些系统可以有效地监测设备中的局部放电信号，从而提高设备的可靠性和安全性。
[0003]然而，由于设备的物理结构和工作环境等因素的影响，局部放电信号往往会受到多种干扰，如电磁干扰、温度变化等。这些干扰信号会影响局部放电信号的准确检测，从而导致误判和漏判等问题。

技术实现思路

[0004]为了提高局部放电信号的检测准确度，本申请提供一种在线局部放电检测结果的矫正方法及其系统。
[0005]第一方面，本申请提供的一种在线局部放电检测结果的矫正方法，采用如下的技术方案：一种在线局部放电检测结果的矫正方法，包括以下步骤：基于局部放电检测系统采集得到输入信号，并对输入信号进行预处理，其中，输入信号包含局部放电信号和噪声信号；将预处理的输入信号输入到预训练好的模型中，并得到检测结果。
[0006]通过采用上述技术方案，通过对预处理后的输入信号进行模型预测，得到初步的局部放电检测结果，然后对初步结果进行矫正，从而提高检测结果的准确性和可靠性，避免了由于噪声信号的干扰而导致的误判和漏判问题。通过对输入信号进行预处理和模型预测，该方法能够及时地检测和识别局部放电信号，有效地预测和矫正检测结果，从而提高了系统的可靠性和稳定性。
[0007]可选的，所述的将预处理的输入信号输入到预训练好的模型中，并得到检测结果的步骤，包括以下步骤：收集局部放电信号和相关信息并生成数据集，其中，相关信息包括有对应于各局部放电信号的温度检测信号、湿度检测信号、GIS设备运行负荷水平信息、GIS设备的型号信息、传感器信号信息和设备工作时长信息；对数据集内的数据进行基线漂移消除、噪声滤除和归一化；对数据集内的数据进行特征提取；基于相关系数、互信息、主成分分析和/或线性判别分析从提取的特征选择高区分度特征子集；
基于选定的特征组合得到特征矩阵，其中，特征矩阵的每行表示放电信号样本，每列对应一个特征值；设定对应于特征举证的类别标签，以用于表示所属的局部放电类型；训练机器学习模型，以用于输入类别标签和特征矩阵；基于训练好的模型输入实际的局部放电信号并输出检测结果。
[0008]通过采用上述技术方案，通过对输入信号进行预处理和特征提取，得到高质量的特征矩阵，并通过机器学习模型对局部放电信号进行分类和识别，提高了检测结果的准确性和可靠性。通过选择高区分度特征子集和训练机器学习模型，降低了误检率和漏检率，避免了对设备的误判和漏判。通过收集多种相关信息，如温度检测信号、湿度检测信号、GIS设备运行负荷水平信息、GIS设备的型号信息、传感器信号信息和设备工作时长信息等，可以支持不同类型局部放电信号的检测。通过对数据进行自动化处理和机器学习模型的训练，实现了局部放电信号的自动化检测，提高了检测效率和自动化程度，减少了人工操作的成本和风险。
[0009]可选的，所述的收集局部放电信号和相关信息并生成数据集的步骤，包括：基于GIS设备的型号、运行工况、环境条件、传感器类型进行组合得到不同类型；采集在连续时间段内同一类型的局部放电信号，分析后并基于分析结果进行标记；对采集的局部放电信号数据进行数据增强并收入数据集，其中，数据增强方法包括信号旋转，信号裁剪，和\或添加噪声。
[0010]通过采用上述技术方案，通过不同的条件进行组合，可以收集不同类型的局部放电信号数据，丰富数据集，提高数据集的代表性。同时，对数据集中采集的局部放电信号进行分析和标记，可以提高数据集的标记准确性和有效性，降低误标率和漏标率。通过采用数据增强方法，如信号旋转、信号裁剪和添加噪声等方法，可以增加数据集的规模，同时还可以提高数据集的质量，降低过拟合和欠拟合等问题，从而提高机器学习模型的训练效果和检测准确性。另外，对采集的数据进行准确分类，可以降低数据采集的成本和时间，避免了对数据的重复采集和不必要的浪费，提高了数据采集的效率和经济性。
[0011]可选的，所述的采集在连续时间段内同一类型的局部放电信号，分析后并基于分析结果进行标记的步骤，包括：获取局部放电信号强度与时间的变化关系，以及频谱特征与时间的变化关系；基于变化关系计算局部放电信号的统计特征；基于变化关系和统计特征分析连续时间段内局部放电信号之间的相关性；基于变化关系、统计特征和相关性对连续时间段内的局部放电信号进行聚类分析，以识别相似的信号模式，并基于识别结果进行标记。
[0012]通过采用上述技术方案，提高了局部放电信号的特征提取准确性和可靠性：通过获取局部放电信号强度与时间的变化关系和频谱特征与时间的变化关系，可以全面而准确地获取局部放电信号的特征，从而提高了局部放电信号的特征提取准确性和可靠性。同时，对局部放电信号进行相关性分析和聚类分析，可以自动识别相似的信号模式，并基于识别结果进行标记，从而降低了数据标记的人工成本和误差，提高了数据标记的准确性和可靠性，还可以识别出局部放电信号的相似模式，从而支持对连续时间段内局部放电信号的检
测和识别。另外，通过相关性分析和聚类分析，实现了局部放电信号的自动化处理和分类，提高了局部放电检测系统的自动化程度和效率，降低了人工操作的成本和风险。
[0013]可选的，所述的基于局部放电检测系统采集得到输入信号，并对输入信号进行预处理的步骤，包括：选择UHF传感器设置于局部放电风险区域，且清除信号传播路径上的障碍物，以减小信号衰减和反射；提高传感器的采样率和分辨率，增加信号同步；对采集的信号进行实时或离线去噪，并进行信号增强；将采集到的数据进行类别标签。
[0014]通过采用上述技术方案，可以减小信号衰减和反射，提高了局部放电信号采集的准确性和可靠性。提高了局部放电信号的采样率和分辨率：通过提高传感器的采样率和分辨率，可以增加信号同步和提高信号质量，从而提高了局部放电信号的采集精度和分析效果。通过实时或离线去噪和信号增强，可以清除信号中的噪声和干扰，提高信号的清晰度和可读性，从而使得机器学习模型更加准确地识别和分类局部放电信号。通过将采集到的数据进行类别标签，可以方便后续的数据处理和分类，从而实现对局部放电信号的自动化处理和分析，提高了局部放电检测系统的自动化程度和效率。
[0015]第二方面，本申请提供的一种在线局部放电检测结果的矫正系统，采用如下的技术方案：一种在线局部放电检测结果的矫正系统，包括：信号获取模块，用于基于局部放电检测系统采集得到输入信号，并对输入信号进行预处理，其中，输入信号包含局部放电信号和噪声信号；检测模块，用于将预处理的输入信号输入到预训练好的模型中，并得到检测结果。
[0016]第三方面，本申请提供的一种计算机设备，采用如下的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线局部放电检测结果的矫正方法，其特征在于，包括以下步骤：基于局部放电检测系统采集得到输入信号，并对输入信号进行预处理，其中，输入信号包含局部放电信号和噪声信号；将预处理的输入信号输入到预训练好的模型中，并得到检测结果。2.根据权利要求1所述的在线局部放电检测结果的矫正方法，其特征在于，所述的将预处理的输入信号输入到预训练好的模型中，并得到检测结果的步骤，包括以下步骤：收集局部放电信号和相关信息并生成数据集，其中，相关信息包括有对应于各局部放电信号的温度检测信号、湿度检测信号、GIS设备运行负荷水平信息、GIS设备的型号信息、传感器信号信息和设备工作时长信息；对数据集内的数据进行基线漂移消除、噪声滤除和归一化；对数据集内的数据进行特征提取；基于相关系数、互信息、主成分分析和/或线性判别分析从提取的特征选择高区分度特征子集；基于选定的特征组合得到特征矩阵，其中，特征矩阵的每行表示放电信号样本，每列对应一个特征值；设定对应于特征举证的类别标签，以用于表示所属的局部放电类型；训练机器学习模型，以用于输入类别标签和特征矩阵；基于训练好的模型输入实际的局部放电信号并输出检测结果。3.根据权利要求2所述的在线局部放电检测结果的矫正方法，其特征在于，所述的收集局部放电信号和相关信息并生成数据集的步骤，包括：基于GIS设备的型号、运行工况、环境条件、传感器类型进行组合得到不同类型；采集在连续时间段内同一类型的局部放电信号，分析后并基于分析结果进行标记；对采集的局部放电信号数据进行数据增强并收入数据集，其中，数据增强方法包括信号旋转，信号裁剪，和或添加噪声。4.根据权利要求3所述的在线局部放电检测结果的矫正方法，其特征在于，所述的采集在连续时间段内同一类...

【专利技术属性】
技术研发人员：吴伟，
申请(专利权)人：上海莫克电子技术有限公司，
类型：发明
国别省市：