System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于绝缘子老化检测技术,尤其涉及一种基于改进麻雀算法优化的绝缘子老化等级评估方法。
技术介绍
1、近年来,随着电力系统的不断发展,电网对输电线路的安全稳定运行也提出了更高的要求。在高压直流输电中,绝缘子起着隔离和保护电力设备的作用。电网运行时,线路上的绝缘子往往要面临着高电场强度、高湿等因素的影响,这些因素往往会导致绝缘子发生电晕老化。电晕老化会让绝缘子表面产生裂纹、内部出现孔隙等缺陷等现象。这将导致线路发生闪络等事故,降低电网的可靠性,不利于电力系统的安全稳定运行。宏观检测方法如视觉检查法、机械性能检测等,只能通过绝缘子样品的表面状况来评估其老化等级,无法对内部缺陷进行诊断。微观检测方法如扫描电镜检测、傅里叶红外光谱检测等,可以得到更加准确的结果,但设备价格昂贵,过程繁琐。因此,有必要发展一种可以实现在线、非接触的检测方法,保障电力系统的正常稳定运行。
技术实现思路
1、针对现有技术中的不足,本专利技术提供一种基于改进麻雀算法优化的绝缘子老化等级评估方法。
2、本专利技术的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,包括以下步骤:
3、s1、采用高光谱成像仪获取高海拔地区输电线路上运行不同年限的绝缘子的高光谱数据。
4、s2、根据静态接触角的大小,作为人工制备的电晕老化绝缘子样本的老化等级表征参量,用高光谱成像仪获取人工制备样本的高光谱数据。
5、s3、对自然样本和人工制备绝缘子样本的高光谱数据进行黑白校正、变量标准
6、s4、对预处理后的高光谱数据,根据前向迭代搜索原则,采用连续投影算法提取高光谱数据的特征波段。
7、s5、将人工制备的电晕老化绝缘子样本划分为训练集和测试集,将训练集放入改进麻雀算法优化深度极限学习机模型训练。
8、s6、将训练好的模型对自然绝缘子样本进行老化等级分类,用可视化结果作为绝缘子表面电晕老化情况的表征。
9、进一步的,步骤s2包括以下步骤:
10、s21、使用静态接触角测量仪对人工电晕老化绝缘子样本进行憎水性检测,采取五点取样法,每个样品的静态接触角为五个采样点的平均值。
11、s22、按照人工电晕老化样品的静态接触角,将绝缘子样品划分为老化等级1、2、3、4、5、6共六个老化等级。
12、s23、使用高光谱成像仪对不同老化等级的人工电晕老化样品采样,获取不同样品的高光谱数据。
13、进一步的,步骤s3具体为:
14、s31、黑白校正
15、黑白校正的计算公式为:
16、
17、其中,dncorr表示校正后的反射率,dnraw表示原始反射率,dnmax表示像素值的最大值,即全黑标定图像的平均反射率,dnmin表示像素值的最小值,即全白标定图像的平均反射率。
18、s32、对原始谱线进行变量标准化:
19、变量标准化的计算公式为:
20、
21、其中,snvi,j表示第i个样本在第j个波长位置的snv变量;xi,j表示第i个样本在第j个波长位置的原始光谱强度值;xi表示第i个样本的平均光谱强度值;si表示第i个样本的光谱强度标准差。
22、s33、对原始谱线进行直接差分法处理:
23、二阶直接差分法计算公式为:
24、di,j=xi,j+1-2xi,j+xi,j-1
25、其中,di,j表示第i个样本在第j个波长位置的二阶直接差分结果;xi,j+1、xi,j和xi,j-1分别表示第i个样本在第j+1、第j和第j-1个波长位置的原始光谱强度值。
26、进一步的,步骤s4具体为:
27、s41:选择子空间维数。
28、s42:随机生成初始投影向量。
29、s43:计算投影矩阵。
30、s44:将光谱数据投影到低维子空间中,并进行重构。
31、s45:根据重构误差来更新投影矩阵。
32、s46:使用得到的投影矩阵将光谱数据映射到低维子空间中,实现对光谱数据的降维和特征提取。
33、进一步的,步骤s5中将人工制备的电晕老化绝缘子样本按6:4的比例划分为训练集和测试集,将训练集放入改进麻雀算法优化深度极限学习机模型训练。
34、进一步的,步骤s6具体为:
35、s61:确定算法的基本参数,设定粒子个数、迭代次数、粒子的位置和速度参数。
36、s62:初始化深度极限学习机模型的权重w和偏置β。
37、
38、
39、其中,wij表示输入层第i个神经元与隐含层第j个神经元间的连接权值,βjk表示隐含层第j个神经元与输出层第k个神经元间的连接权值。
40、s63:计算隐藏层输出:
41、h(x)=[h1(x),h2(x),…,hl(x)]
42、其中,隐藏层表示成一个矩阵,hi(x)=g(wi,bi,x)=g(wix+bi),wi∈r,bi∈r,hi(x)为第i个隐藏层节点的输出。
43、s64:计算输出层权重:
44、
45、其中,y为训练数据的输出,为矩阵h的伪逆矩阵。
46、s65:利用改进麻雀算法优化隐层权重矩阵,更新矩阵中的每个元素,优化目标函数;包括位置更新和速度更新:
47、
48、
49、其中,xi表示第i个权重矩阵元素的位置,vi表示第i个权重矩阵元素的速度,t表示当前迭代次数,t+1表示下一次迭代的次数,其中w表示惯性因子,c1和c2分别表示个体学习因子和群体学习因子,r1和r2分别表示两个随机数,pbesti表示第i个鸟的历史最优位置,gbest表示整个群体的历史最优位置。
50、s66:得到优化后的深度极限学习机模型,评估验证集绝缘子电晕老化样品的高光谱图像分类模型结果,对结果进行可视化。
51、本专利技术的有益技术效果为:
52、本专利技术通过采用高光谱技术配合优化算法对绝缘子进行检测,实现了对绝缘子的高精度、非接触的测量,获得了更加多元化的光谱信息,解决了绝缘子老化难以检测的问题,有效降低绝缘子老化对电力系统的影响,提高了电网的安全稳定性和经济效益。
本文档来自技高网...【技术保护点】
1.一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤S2包括以下步骤:
3.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤S3具体为:
4.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤S4具体为:
5.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤S5中将人工制备的电晕老化绝缘子样本按6:4的比例划分为训练集和测试集,将训练集放入改进麻雀算法优化深度极限学习机模型训练。
6.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤S6具体为:
【技术特征摘要】
1.一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤s2包括以下步骤:
3.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化等级评估方法,其特征在于,所述步骤s3具体为:
4.根据权利要求1所述的一种基于改进麻雀算法优化的绝缘子老化...
【专利技术属性】
技术研发人员:吴广宁,范益瀚,郭裕钧,张血琴,肖嵩,高国强,刘洋,赵福平,刘凤莲,
申请(专利权)人:西南交通大学,
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。