融合宽频阻抗谱与注意力机制的电缆缺陷定位方法及装置制造方法及图纸

本发明专利技术涉及电缆检测技术领域，具体涉及一种融合宽频阻抗谱与注意力机制的电缆缺陷定位方法及装置

【技术实现步骤摘要】
融合宽频阻抗谱与注意力机制的电缆缺陷定位方法及装置


[0001]本专利技术涉及电缆检测
，具体涉及一种融合宽频阻抗谱与注意力机制的电缆缺陷定位方法及装置
。

技术介绍

[0002]随着每年
10kV
配电电缆投运量的持续快速增长，电缆的安全可靠运行对电力系统稳定可靠工作的支撑作用日益明显
。
但是随着运行时间的增加，电缆逐步进入“老龄化”，运行可靠性严重下降，导致事故频发
。
由于电缆在制造过程中存在质量参差不齐的问题，运行单位在早期对电缆安装过程的管控措施不严格，电缆运行环境不佳和运维技术缺乏等原因，造成电缆出现一些潜在的缺陷，如水树
、
接头受潮
、
金属外护套腐蚀和外破等，并极易引发故障
。
潜在的缺陷关乎到电缆实际运行寿命，虽然电缆在运行前后要进行例行试验和交接试验以防止事故的发生，但电缆中存在的微小缺陷通过现有技术常常难以被检测到
。
[0003]目前常用的电缆绝缘检测手段主要用于电缆绝缘状态的评估，但是无法对缺陷段进行精确定点定位，也无法完成指定区域或者对指定电缆附件的绝缘状态评估
。

技术实现思路

[0004]有鉴于此，本专利技术提供了融合宽频阻抗谱与注意力机制的电缆缺陷定位方法及装置，以解决目前电缆绝缘检测无法进行精确点定位的问题
。
[0005]第一方面，本专利技术提供了一种融合宽频阻抗谱与注意力机制的电缆缺陷定位模型构建方法，所述方法包括：采用宽频阻抗谱获取样本数据；基于所述样本数据和预设损失函数对采用通道注意力
、
空间注意力和卷积网络的模型进行训练，得到电缆缺陷定位模型
。
[0006]本实施例中，基于宽频阻抗谱获取的样本数据，利用由通道注意力
、
空间注意力和卷积网络构建的模型对采集的数据进行缺陷检测，并完成距离定位，满足高压电缆局部缺陷识别和定位，在减少人工劳动量的同时，降低人工误判率
。
[0007]在一种可选的实施方式中，采用宽频阻抗谱获取样本数据，包括：搭建预设长度且末端开路的电缆缺陷仿真模型；基于所述电缆缺陷仿真模型获取宽频阻抗谱；基于所述宽频阻抗谱和对应距离标签生成样本数据
。
[0008]本实施例中，通过利用宽频阻抗谱相关理论，生成一系列带标签的样本数据
。
[0009]在一种可选的实施方式中，采用通道注意力
、
空间注意力和卷积网络的模型包括第一卷积模块
、
第二卷积模块
、
第三卷积模块以及空间通道注意力模块；基于所述样本数据和预设损失函数对采用通道注意力
、
空间注意力和卷积网络的模型进行训练，得到电缆缺陷定位模型，包括：采用第一卷积模块对所述样本数据进行特征提取，得到第一特征提取结果；采用第二卷积模块对所述样本数据进行特征提取，得到第二特征提取结果；采用第三卷积模块和空间通道注意力模块对所述样本数据进行特征提取，得到第三特征提取结果；采用全连接网络模块对所述第一特征提取结果
、
第二特征提取结果以及第三特征提取结果进行处理，得到预测结果；基于所述预测结果
、
所述样本数据和预设损失函数对所述第一卷积
模块
、
第二卷积模块
、
第三卷积模块以及空间通道注意力模块中的参数进行更新，完成模型训练，得到电缆缺陷定位模型
。
[0010]本实施例中，通过设置第一卷积模块和第二卷积模块实现了采用卷积网络对样本数据的特征提取，保证了特征提取的全面性；通过设置第三卷积模块和空间注意力模块串联对样本数据进行特征提取，强化了对缺陷特征的提取能力
。
[0011]在一种可选的实施方式中，采用第三卷积模块和空间通道注意力模块对所述样本数据进行特征提取，得到第三特征提取结果，包括：采用第一卷积层对所述样本数据进行特征提取，得到第一特征图；将所述第一特征图输入至空间通道注意力模块进行通道增强和空间增强，得到第二特征图；将所述第二特征图输入至第二卷积层进行特征提取，得到第三特征图；将所述第三特征图输入至空间通道注意力模块进行通道增强和空间增强，得到第三特征提取结果
。
[0012]本实施例中，在进行通道增强和空间增强之前，先采用卷积层实现对样本数据的特征提取，由此便于对提取的特征图进行增强处理
。
通过通道增强和空间增强处理，实现了通道特征和空间特征的提取，提高了提取的缺陷特征的准确性
。
[0013]在一种可选的实施方式中，所述通道增强采用如下公式表示：
[0014]M
c
(X)
＝
σ
(FC(AvgPool(X))+FC(MaxPool(X)))
[0015][0016]式中，
X
表示空间通道注意力模块输入的特征图，
M
c
(X)
表示通道注意力权重矩阵，
AvgPool(.)
和
MaxPool(.)
分别表示在特征图的长和宽两个方向进行平均池化和最大池化操作，
FC(.)
表示进行全连接处理，
σ
(.)
表示进行激活处理，
X
c
表示通道增强的处理结果；
[0017]所述空间增强采用如下公式表示：
[0018]M
s
(X
c
)
＝
σ
(f7×7([AvgPool(X
c
)
；
MaxPool(X
c
)]))
[0019][0020]式中，
M
S
(X
c
)
表示空间注意力权重矩阵，
f7×7表示进行卷积处理，
X
S
表示空间增强的处理结果
。
[0021]在一种可选的实施方式中，所述预设损失函数采用如下公式表示：
[0022]L1＝
|Y
predict
‑
Y
target
|
[0023][0024]L
total
＝
α
×
L1+
β
×
L
huber
[0025]式中，
L1和
L
huber
分别表示第一损失函数和第二损失函数，
Y
target
和
Y
predict
分别表示真实结果和预测结果，
δ
表示预设参数，
L
total
表示预设损失函数，
α
和
β
分别表示第一损失函数和第二损失函数的权重
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种融合宽频阻抗谱与注意力机制的电缆缺陷定位模型构建方法，其特征在于，所述方法包括：采用宽频阻抗谱获取样本数据；基于所述样本数据和预设损失函数对采用通道注意力
、
空间注意力和卷积网络的模型进行训练，得到电缆缺陷定位模型
。2.
根据权利要求1所述的方法，其特征在于，采用宽频阻抗谱获取样本数据，包括：搭建预设长度且末端开路的电缆缺陷仿真模型；基于所述电缆缺陷仿真模型获取宽频阻抗谱；基于所述宽频阻抗谱和对应距离标签生成样本数据
。3.
根据权利要求1所述的方法，其特征在于，采用通道注意力
、
空间注意力和卷积网络的模型包括第一卷积模块
、
第二卷积模块
、
第三卷积模块以及空间通道注意力模块；基于所述样本数据和预设损失函数对采用通道注意力
、
空间注意力和卷积网络的模型进行训练，得到电缆缺陷定位模型，包括：采用第一卷积模块对所述样本数据进行特征提取，得到第一特征提取结果；采用第二卷积模块对所述样本数据进行特征提取，得到第二特征提取结果；采用第三卷积模块和空间通道注意力模块对所述样本数据进行特征提取，得到第三特征提取结果；采用全连接网络模块对所述第一特征提取结果
、
第二特征提取结果以及第三特征提取结果进行处理，得到预测结果；基于所述预测结果
、
所述样本数据和预设损失函数对所述第一卷积模块
、
第二卷积模块
、
第三卷积模块以及空间通道注意力模块中的参数进行更新，完成模型训练，得到电缆缺陷定位模型
。4.
根据权利要求3所述的方法，其特征在于，采用第三卷积模块和空间通道注意力模块对所述样本数据进行特征提取，得到第三特征提取结果，包括：采用第一卷积层对所述样本数据进行特征提取，得到第一特征图；将所述第一特征图输入至空间通道注意力模块进行通道增强和空间增强，得到第二特征图；将所述第二特征图输入至第二卷积层进行特征提取，得到第三特征图；将所述第三特征图输入至空间通道注意力模块进行通道增强和空间增强，得到第三特征提取结果
。5.
根据权利要求4所述的方法，其特征在于：所述通道增强采用如下公式表示：
M
c
(X)
＝
σ
(FC(AvgPool(X))+FC(MaxPool(X)))
式中，
X
表示空间通道注意力模块输入的特征图，
M
c
(X)
表示通道注意力权重矩阵，
AvgPool(.)
和
MaxPool(.)
分别表示在特征图的长和宽两个方向进行平均池化和最大池化操作，
FC(.)
表示进行全连接处理，
σ
(.)
表示进行激活处理，
X
c
表示通道增强的处理结果；所述空间增强采用如下公式表示：
M
s
(X
c
)
＝
σ
(f7×7([AvgPool(X
c
)
...

【专利技术属性】
技术研发人员：黄杰，梁云，鞠登峰，刘子惠，
申请(专利权)人：国网安徽省电力有限公司超高压分公司国家电网有限公司，
类型：发明
国别省市：