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】
本申请涉及电力系统诊断,具体而言,涉及一种局放监测参数确定方法、装置、电子设备及存储介质。
技术介绍
1、随着国民生产生活用电需求的不断增加,社会对电网供电的可靠性要求越来越高,及时准确的掌握电力设备运行状态,提前发现潜伏性隐患,提升电力设备安全运行水平非常迫切。局部放电现象会造成电缆的绝缘劣化,影响电力能源的输送使用。
2、为了及时发现局部放电现象,避免故障发生,目前采用的技术通常是采用局放检测装置对电缆系统内部放电特征进行采集。然而目前的局放检测装置检测出的结果准确率不高。
技术实现思路
1、本申请实施例的目的在于一种局放监测参数确定方法、装置、电子设备及存储介质,利用预先训练好的局放策略模型,根据局部放电特征,动态调整局放检测装置的局放监测参数,提高局部放电现象检测的准确性。
2、第一方面,本申请实施例提供了一种局放监测参数确定方法,包括:获得待检测电缆的局部放电特征;利用预先训练好的局放策略模型,根据局部放电特征,获得局放监测参数;局放策略模型包括监测参数决策树;监测参数决策树是通过从预先获取的局放数据集中确定局放训练特征,基于局放训练特征划分局放数据集,获得局放数据子集,对局放数据子集进行递归处理获得的;监测参数决策树包括内部节点和叶子节点;内部节点用于表征局放训练特征的判定条件;叶子节点用于表征分类结果对应的局放监测参数。
3、在上述的实现过程中,利用预先训练好的局放策略模型,根据局部放电特征,动态调整局放检测装置的局放监测参数,实现
4、可选的,在本申请实施例中,利用预先训练好的局放策略模型,根据局部放电特征,获得局放监测参数,包括:根据局放策略模型中内部节点对应的判定条件,确定局部放电特征对应的分支;遍历局放策略模型的路径,确定局部放电特征对应的叶子节点;根据局部放电特征对应的叶子节点,获得局部放电特征对应的局放监测参数;局放监测参数包括采集参数、过滤参数、诊断参数和异常判断参数中的至少一项。
5、在上述的实现过程中,利用局放策略模型,动态调整局放检测装置的局放监测参数,有助于实现高效且准确的局部放电监测和诊断。
6、可选的,在本申请实施例中,在利用预先训练好的局放策略模型,根据局部放电特征,获得局放监测参数之前,方法还包括:获取局放数据集;局放数据集包括噪声库数据和在至少一个监测模式下采集的局放数据;利用预设的特征选择方法从局放数据集中确定局放训练特征;局放训练特征用于描述电缆的局部放电状态;基于局放训练特征对应的特征值划分局放数据集,获得局放数据子集;对局放数据子集进行递归处理,直至满足预设的终止条件,获得局放策略模型。
7、在上述的实现过程中,通过获取局放数据集,局放数据集包括在至少一个监测模式下采集的局放数据,选择对分类有决定性影响的局放训练特征对局放数据集进行划分;对局放数据子集进行递归处理,直至满足预设的终止条件,生成局放策略模型,使局放监测参数可以自适应调整,提高检测局部放电现象的准确性。
8、可选的,在本申请实施例中,监测模式包括:日常监测模式,日常监测模式为利用局放采集器设备采集局放数据;和/或,强化监测模式,强化监测模式为利用局放采集器设备和局放边缘终端采集局放数据。
9、在上述的实现过程中,通过日常监测模式和/或强化监测模式采集局放数据,丰富局放策略模型的训练样本,帮助模型更好地理解和捕捉不同场景或阶段下局放数据的规律,提高模型的鲁棒性。
10、可选的,在本申请实施例中,利用预设的特征选择方法从局放数据集中确定局放训练特征,包括:利用信息增益公式计算局放数据集中待选特征的信息熵;根据待选特征的信息熵,从待选特征中确定局放训练特征;
11、信息增益公式包括:
12、
13、其中,为第i个待选特征的信息熵,为第i个待选特征在局放数据集中存在的概率,n为待选特征的数量。
14、在上述的实现过程中,在特征选择中,根据待选特征的信息熵,从待选特征中确定局放训练特征,可以让监测参数决策树的各个内部节点的样本目标变量取值更加一致,提升分类效果。
15、可选的,在本申请实施例中,在获得局放策略模型之后,方法还包括:获得局放测试数据和局放测试数据对应的目标监测参数;目标监测参数为在局放测试数据对应的场景中监测局放现象所需要的局放监测参数;利用局放策略模型,根据局放测试数据,获得预测监测参数;根据目标监测参数和预测监测参数,对局放策略模型的模型参数进行优化。
16、在上述的实现过程中,使用局放测试数据可以对局放策略模型进行评估,了解局放策略模型的性能和准确度,优化局放策略模型的模型参数,提高局放策略模型的泛化能力和稳定性。
17、可选的,在本申请实施例中,根据目标监测参数和预测监测参数,对局放策略模型的模型参数进行优化,包括:采用均方误差公式作为损失函数对局放策略模型的模型参数进行优化,均方误差公式包括:
18、
19、其中,是均方值,n是局放测试数据的数量,是目标监测参数,是预测监测参数。
20、在上述的实现过程中,采用均方误差(mean squared error,mse)作为损失函数的评估指标作为参数调优的手段,mse 衡量了模型预测监测参数与目标监测参数之间的平均差异的平方,用来评估模型的性能,寻找均方值最小化时局放策略模型的模型参数作为优化后模型参数,提高模型的准确性。
21、可选的,在本申请实施例中,局放策略模型包括多个监测参数决策树;多个监测参数决策树通过局放数据集对应的采样子集构建;其中,利用预先训练好的局放策略模型,根据局部放电特征,获得局放监测参数,包括:根据随机森林法,利用多个监测参数决策树,根据局部放电特征,分别获取多个监测参数决策树对应的预测结果;根据多个监测参数决策树对应的预测结果,获得局放监测参数。
22、在上述的实现过程中,在随机森林中,通过利用采集子集和特征选择时的随机性,可以增加模型的多样性,减少过拟合的风险。同时,多个监测参数决策树的组合可以改善局放策略模型的预测准确性和泛化能力。
23、可选的,在本申请实施例中,在获得局放监测参数之后,方法包括:获得局放监测参数中的采集参数、诊断参数和异常判断参数;按照采集参数采集待检测电缆的放电信号,获得待检测放电信号;根据诊断参数对放电信号进行分析,获得分析结果;基于分析结果和异常判断参数,确定待检测电缆是否发生异常放电现象。
24、在上述的实现过程中,通过局放策略模型生成更合理、准确的局放监测参数,使得采用上述方法的局放检测装置可以根据局放监测参数进行放电信号的采集以及诊断,有利于提高检测局部放电现象的准确性。
25本文档来自技高网...
【技术保护点】
1.一种局放监测参数确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述利用预先训练好的局放策略模型,根据所述局部放电特征,获得局放监测参数,包括:
3.根据权利要求1所述的方法,其特征在于,在利用预先训练好的局放策略模型,根据所述局部放电特征,获得局放监测参数之前,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,
5.根据权利要求3所述的方法,其特征在于,在所述获得所述局放策略模型之后,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,根据所述目标监测参数和所述预测监测参数,对所述局放策略模型的模型参数进行优化,包括:
7.根据权利要求1所述的方法,其特征在于,所述局放策略模型包括多个所述监测参数决策树;所述多个监测参数决策树通过所述局放数据集对应的采样子集构建;其中,所述利用预先训练好的局放策略模型,根据所述局部放电特征,获得局放监测参数,包括:
8.根据权利要求1-7任一所述的方法,其特征在于,在获得局放监测参数之后,所述方法包括:
10.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1至8任一所述的方法。
...【技术特征摘要】
1.一种局放监测参数确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述利用预先训练好的局放策略模型,根据所述局部放电特征,获得局放监测参数,包括:
3.根据权利要求1所述的方法,其特征在于,在利用预先训练好的局放策略模型,根据所述局部放电特征,获得局放监测参数之前,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,
5.根据权利要求3所述的方法,其特征在于,在所述获得所述局放策略模型之后,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,根据所述目标监测参数和所述预测监测参数,对所述局放策略模型的模型参...
【专利技术属性】
技术研发人员:邵鑫,韩叶祥,王宏飞,姜明武,
申请(专利权)人:苏州光格科技股份有限公司,
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。