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() 一种基于transformer的配电站房局部放电缺陷检测方法技术_技高网
当前位置: 首页 > 专利查询>武汉大学专利>正文

一种基于transformer的配电站房局部放电缺陷检测方法技术

技术编号:40745979 阅读:5 留言:0更新日期:2024-03-25 20:03
本发明专利技术涉及一种基于transformer的配电站房局部放电缺陷检测方法,方法首先构造一种置信区间理论的局部放电信号增强方法,对原始信号进行增强;然后构造局部放电特征图;并采用梅尔倒谱系数提取配电站房声信号的频域特征;接着将频域特征输入到transformer的放电时序信息特征提取模型中提取时序特征;最后融合局部放电特征图以及时序特征,联合分析配电站房局部放电类型,从而实现了配电站房局部放电的高准确度检测。

【技术实现步骤摘要】

本专利技术涉及一种配电站房局部放电缺陷检测方法,尤其是涉及一种基于transformer的配电站房局部放电缺陷检测方法


技术介绍

1、配电站房在城市配网中扮演着至关重要的角色,作为电力供应的关键节点,其稳定运行直接影响着城市的电力供应质量和可靠性。然而,尽管在设计和运维过程中采取了多重安全措施,但配电站房局部放电缺陷时有发生。局部放电缺陷可能源于设备的材料破损、污秽、电气绝缘劣化等原因,给电力系统带来了潜在的安全隐患。

2、局部放电缺陷的危害不容小觑,它可能导致设备的温升增加、绝缘性能下降,甚至引发设备的短路、爆炸等严重故障,对供电可靠性和设备寿命造成威胁。为确保配电站房的安全运行,局部放电缺陷的及早发现和预防显得尤为重要。超声检测作为一种无损检测技术,在一定程度上能够精准地探测设备内部微小的放电缺陷,有助于及早发现潜在问题。然而,超声检测在应用过程中也存在一些不足之处。首先,超声波的传播受到设备材料的影响,对于某些材料和结构,超声波的传播路径可能会受到阻碍,导致部分缺陷难以探测。

3、因此,基于智能数据处理手段,增强声信号中蕴含的局部放电信号,实现配电站房局部放电的高精度识别很重要。


技术实现思路

1、本专利技术主要解决现有配电站房局部放电检测精度不高的问题,提供了基于transformer的配电站房局部放电缺陷检测方法,实现配电站房局部放电的高准确度检测。

2、本专利技术的技术解决方案如下:

3、一种基于transformer的配电站房局部放电缺陷检测方法,包括以下步骤:

4、步骤1,构造一种置信区间理论的局部放电信号增强方法;

5、步骤2,构造局部放电特征图;

6、步骤3,采用梅尔倒谱系数提取配电站房声信号的频域特征方法;

7、步骤4,构造基于transformer的放电时序信息特征提取模型;

8、步骤5,融合步骤2构造的局部放电特征图以及步骤4提取的时序特征,联合分析配电站房局部放电类型。

9、所述步骤1中,具体构造一种置信区间理论的局部放电信号增强方法是:

10、获取配电站房声信号的峰值,计算相邻两个脉冲之间的时间间隔δt,该时间间隔定义为两个峰之间的距离;考虑到局部放电随机性强,可能出现一些虚假的局部放电峰值,这一因素可能产生了异常的时间间隔δt。这些偶然数据可能造成严重的数据偏差,因此采用置信区间理论进行去噪处理,见式(1)

11、δti-average(δt)>4st(δt)   (1)

12、δti为第i次实测值;average(δt)为测量序列的平均值;st(δt)为标准差。如果两个局部放电峰值之间满足此关系,则认为是真正发生的局部放电,数据进行保留。

13、所述步骤2中,构造局部放电特征图的方法是,以放电量q的放电次数、脉冲时间间隔δt的放电次数为x,y轴,放电密度为z轴,构造局部放电特征图。

14、所述步骤3中,采用梅尔倒谱系数提取配电站房声信号的频域特征方法是:

15、步骤3.1,将音频信号切分成多段固定时间的帧,通常每帧持续时间为20-40毫秒,接着对原始信号切分出的固定时间帧进行加窗操作,以减少频谱泄露,见式(2)

16、

17、其中,w(n)是汉明窗在离散时间点n处的值,n是窗口长度。

18、步骤3.2,对对每帧处理后的时域信号进行fft变换,得到原始信号的频域。

19、步骤3.3,将频域信号通过一组梅尔滤波器,滤波器的中心频率按梅尔刻度分布,见式(3),接着对每个梅尔滤波器输出取对数,以增强低频部分的信息,

20、

21、m(f)表示频率f对应的梅尔刻度值。

22、步骤3.4,对取对数后的信号进行离散余弦变换(discrete cosine transform,dct),提取其频域的主要特征,然后取前10个dct系数作为mfcc特征。

23、所述步骤4中构造基于transformer的放电时序信息特征提取模型具体方法是:

24、首先将步骤3提取到的不同时间帧的特征拼成一个t×m维的矩阵,其中t代表抽取的帧数数目,m等于步骤3获取的特征数目,输入到编码-解码结构的transformer模型中。

25、所述步骤5中融合步骤2构造的局部放电特征图以及步骤4提取的时序特征,联合分析配电站房局部放电类型,具体方法是:

26、步骤5.1,将步骤4中transformer模型的输出与步骤2构造局部放电特征图进行拼接,其中在拼接前需要将步骤4中transformer模型的输出t×m维矩阵维数进行调整,使其和步骤2局部放电特征图具有相同的维度。

27、步骤5.2,将拼接后的矩阵作为卷积网络的输入,局部放电类型为输出,训练卷积网络,直到收敛。

28、本专利技术采用上述技术解决方案所能达到的有益效果是:实现配电站房局部放电的高准确度检测。

本文档来自技高网...

【技术保护点】

1.一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤1的构造一种置信区间理论的局部放电信号增强方法中,采用置信区间理论进行去噪处理,见式(1)

3.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤2的构造局部放电特征图中,以放电量q的放电次数、脉冲时间间隔Δt的放电次数为x,y轴,放电密度为z轴,构造局部放电特征图。

4.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤3中的采用梅尔倒谱系数提取配电站房声信号的频域特征方法,取对数后的信号进行离散余弦变换DCT,提取其频域的主要特征,然后取前10个DCT系数作为MFCC特征。

5.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤4中构造基于transformer的放电时序信息特征提取模型,首先将步骤3提取到的不同时间帧的特征拼成一个t×M维的矩阵,其中t代表抽取的帧数数目,M等于步骤3获取的特征数目,输入到编码-解码结构的transformer模型中。

6.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤5中融合步骤2构造的局部放电特征图以及步骤4提取的时序特征,联合分析配电站房局部放电类型,具体步骤如下:

...

【技术特征摘要】

1.一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤1的构造一种置信区间理论的局部放电信号增强方法中,采用置信区间理论进行去噪处理,见式(1)

3.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤2的构造局部放电特征图中,以放电量q的放电次数、脉冲时间间隔δt的放电次数为x,y轴,放电密度为z轴,构造局部放电特征图。

4.根据权利要求1所述一种基于transformer的配电站房局部放电缺陷检测方法,其特征在于,所述步骤3中的采用梅尔倒谱系数提取配电站房...

【专利技术属性】
技术研发人员:张迎晨王波马恒瑞马富齐王雷雄罗鹏王红霞朱胜龙娄伟胡若男尚宇炜周莉梅杨冬冬王伟
申请(专利权)人:武汉大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1