【技术实现步骤摘要】
本专利技术涉及电力系统安全，特别是涉及一种电缆终端缺陷故障的识别方法。
技术介绍
1、随着城市化的推进以及全国电网的持续发展，电力电缆的应用愈加广泛，现代化大电网运行管理的需求和传统的预防性试验模式逐渐无法兼容。局部放电是导致电缆绝缘持续劣化的原因之一，可以作为衡量绝缘劣化程度的指标。近年来，国内外学者通过分析交流电压下的局部放电信号来评估电缆绝缘状况，据此提出多种表征手段。其中最常用的是基于局部放电相位分布(phase resolved partial discharge,prpd)表征放电图谱特征参数的方法，它可以有效反映出绝缘状况的变化。不同绝缘缺陷产生的局部放电信号在prpd谱图上呈现出一定的差异性，但部分缺陷故障类型的prpd谱图具有较高的相似之处。
2、虽然通过卷积神经网络分析prpd谱图识别缺陷故障类型已是本领域的常规技术思路，但卷积神经网络的卷积核是通过步进平移的方式来获取对象每个局部区域的特征，缺乏对图像全图特征的学习。在prpd谱图的识别中，其局限性具体表现在卷积神经网络的卷积核无法同时建立第一象限与第三象限间数据特征的关联性，进而导致模型的识别准确率较低。
技术实现思路
1、针对上述现有技术中存在的技术问题，本专利技术的目的是提供一种电缆终端缺陷故障的识别方法，具体地，该方法包括：
2、使用无局放试验装置向被测电缆加压，并将产生的局放脉冲信号经高频电流传感器传输至示波器，再通过局放采集系统采集示波器产生的电信号数据；
3、局
4、将电信号数据弹出堆栈，经去噪、提取局放脉冲数据后构建prpd谱图；
5、将prpd谱图输入vit模型(vision transformer，视觉自注意力模型)进行识别：
6、使用嵌入层对prpd谱图进行分块预处理，再输入编码器层并接入一个全连接层提取图片特征；
7、应用多头注意力机制确定图片分类，并输入到分类头层中；
8、使用分类头层将编码器层输出的特征映射为缺陷故障类别的概率分布，根据概率分布识别缺陷故障类别，并输出识别结果。
9、其中，全连接层是一种将本层的每一个结点都与上一层的所有结点相连的处理方式，其作用为综合上一层包含的全部特征。
10、进一步地，对上述vit模型进行训练的方法包括：
11、设置n种缺陷对应的m个样本，对每个样本进行加压测试并获取对应的电信号数据，经去噪、提取局放脉冲数据后构建对应的prpd谱图，并建立m个样本对应的prpd谱图集；其中，m≥n＞0；将prpd谱图集划分为训练集和测试集，按灰度通道将训练集的每个prpd谱图减平均值再除以标准差，得到标准化训练集；在vit模型中设置学习率、batch size和epoch，并输入经数据增强的标准化训练集训练vit模型，最后使用测试集验证训练后vit模型的识别准确率。
12、优选地，将学习率设置为1e-4，即10-4。
13、优选地，使用无局放试验装置向被测电缆加压包括：无局放变压器在调压箱的控制下通过保护电阻经分压器向被测电缆加压。
14、进一步地，去噪并提取局放脉冲数据，之后还包括：将局放脉冲数据进行压缩存储。
15、优选地，数据增强包括：对训练集进行cutout和mixup数据增强。
16、可见，对于单一对象的多次采集有助于提升缺陷故障的识别准确率；去噪和提取局放脉冲数据有利于凸显缺陷故障反映在prpd谱图上的特征；而vit模型独有的图像处理方式能够根据概率分布准确地识别出不同对象的缺陷故障类型。总体而言，该方法能够有效提升电缆终端缺陷故障类型的识别准确率。
17、进一步地，各优选方案在取得上述有益效果的同时，还取得了以下有益效果：对vit模型的训练有助于提升模型对缺陷故障类型的识别准确率；将作为超参数的学习率设置为合适值，可以使得vit模型在识别过程中测试损失快速降低，以保证模型的训练速率和识别准确率；通过调压箱控制经保护电阻和分压器向被测电缆加压可实现避免实验设备对测试过程产生干扰，以保证后续信号采集顺利进行；压缩存储脉冲数据方便对多组局部放电波形信号进行采集，为后续的模型训练阶段做准备；通过cutout能够提高模型的鲁棒性，以提升vit模型对图像全局信息利用效率，通过mixup可生成新的训练数据对，使得vit模型在新数据对上进行训练时更具有鲁棒性，可有效缓解过拟合现象，并提高分类性能、降低误差率。
本文档来自技高网...【技术保护点】
1.一种电缆终端缺陷故障的识别方法，其特征在于，包括：
2.如权利要求1所述的一种电缆终端缺陷故障的识别方法，其特征在于，训练所述VIT模型的方法包括：
3.如权利要求2所述的一种电缆终端缺陷故障的识别方法，其特征在于，所述在VIT模型中设置学习率包括：设置学习率为10-4。
4.如权利要求1所述的一种电缆终端缺陷故障的识别方法，其特征在于，所述使用无局放试验装置向被测电缆加压包括：
5.如权利要求1所述的一种电缆终端缺陷故障的识别方法，其特征在于，所述去噪并提取局放脉冲数据，之后还包括：
6.如权利要求2所述的一种电缆终端缺陷故障的识别方法，其特征在于，所述数据增强包括：
【技术特征摘要】
1.一种电缆终端缺陷故障的识别方法，其特征在于，包括：
2.如权利要求1所述的一种电缆终端缺陷故障的识别方法，其特征在于，训练所述vit模型的方法包括：
3.如权利要求2所述的一种电缆终端缺陷故障的识别方法，其特征在于，所述在vit模型中设置学习率包括：设置学习率为10-4。
4.如...
【专利技术属性】
技术研发人员：朱光亚，沈青，王馨怡，周凯，马世宇，董政源，潘松焜，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。