【技术实现步骤摘要】
本专利技术涉及局部放电信号处理，具体为一种基于自相似性感知网络的局部放电信号噪声抑制方法。
技术介绍
1、随着电网系统的升级改造，电力设备所承载的容量越来越大，相应的设备状态评估技术也变得尤为重要。在诸多状态评估技术中，局部放电检测是状况检测和故障诊断的重要辅助手段之一。然而，受制于电力设备运行环境，局部放电信号检测过程中存在大量噪声干扰。当前主流的局部放电信号噪声抑制方法仍采用传统的时频域分析方法，噪声抑制效果并不理想并且具有泛化能力较低、鲁棒性较差等缺陷。
2、近年来，随着深度学习技术的高速发展，信号处理领域出现了越来越多深度学习技术的身影，将深度学习技术应用于局部放电信号噪声抑制中已经成为趋势。然而，由于局部放电信号短时、陡峭的特点，深度学习模型往往因忽略了信号的自相似性特征而提取不到足够的特征。为了达到更好地噪声抑制效果，目前，亟需采用一种自相似性感知技术对局部放电信号噪声进行抑制。
3、因此，提出一种基于自相似性感知网络的局部放电信号噪声抑制方法来解决上述问题。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于自相似性感知网络的局部放电信号噪声抑制方法，具备可以准确地重构局部放电信号，避免噪声对局部放电信号的分析产生影响等优点，解决了目前局部放电信号噪声对局部放电信号的分析影响较大的问题。
3、(二)技术方案
4、本专利技术解决上述技术问题的技术方案如下：一种基于自相似性感
5、获取原始局部放电信号数据并进行预处理；
6、根据预处理后的原始局部放电信号数据，构建原始局部放电信号数据的向量序列；
7、将原始局部放电信号向量序列输入到自相似性感知网络中，经处理后得到局部放电信号的自相似性特征向量；
8、再对获取的局部放电信号自相似性特征向量进行重构得到最终的局部放电信号。
9、在上述技术方案的基础上，本专利技术还可以做如下改进。
10、进一步，所述原始局部放电信号的预处理操作包括：
11、s1、对原始局部放电信号数据进行归一化处理；
12、s2、将归一化后的局部放电信号数据进行片段分割，获得若干个片段。
13、进一步，所述构建原始局部放电信号数据的向量序列的操作具体为：
14、将预处理后的原始局部放电信号数据进行向量化处理，并按照数值线性映射到向量中从而构建获得原始局部放电信号向量序列。
15、进一步，所述自相似性感知网络包括：
16、局部感知聚合模块：用于提取局部放电信号的局部自相似性特征并映射为新的局部放电信号向量序列；
17、非局部感知模块：用于提取局部感知聚合模块所输出的局部放电信号的非局部自相似性特征；
18、全连接层：用于重构非局部感知模块所输出的局部放电信号。
19、进一步，所述局部感知聚合模块由n个局部自相似融合模块组成，所述非局部感知模块包括m个编码器；所述编码器由多头自注意力机制和前馈网络组成。
20、进一步，所述局部感知聚合模块具体过程如下：
21、1-1)、将局部放电信号向量分为n组输入局部自相似融合模块；
22、1-2)、计算每个局部自相似融合模块内部的动态路由；
23、1-3)、提取局部放电信号的局部自相似性特征并进行特征映射为新的向量序列。
24、进一步，所述非局部感知模块具体过程如下：
25、2-1)、对局部感知聚合模块输出的局部放电信号向量序列添加可学习的位置编码；
26、2-2)、计算每层编码器的自注意力权重；
27、2-3)、将所有注意力头的向量的投影通过前馈网络操作输出局部放电信号的自相似性特征向量。
28、进一步，所述全连接层为三层结构，所述全连接层的第一层和第二层均采用relu激活函数，所述全连接层的第三层采用sigmoid激活函数。
29、进一步，所述全连接层重构局部放电信号具体过程如下：
30、3-1)、获取所述非局部感知模块的输出向量并将其拼接成一个完整的局部放电信号自相似性特征向量；
31、3-2)、将所述特征向量输入全连接层解码，重构局部放电信号；
32、3-3)、将所述重构局部放电信号进行反归一化处理。
33、进一步，在重构所述局部放电信号后，还包括：
34、利用损失函数对经处理后的局部放电信号进行计算获得信号数值，并预设阈值，将信号数值与预设阈值进行比对：
35、若所计算数值小于预设阈值，则输出最终的局部放电信号；
36、若所计算数值大于预设阈值，则重新进行数据获取及预处理。
37、本专利技术的有益效果是：
38、1、本专利技术首次通过设计一种自相似性感知网络用于局部放电信号噪声抑制，相比于常规的深度学习模型，根据局部放电信号的特性，通过提取自相似性特征，无需大量的计算资源，并能够准确地重建局部放电信号。
39、2、本专利技术通过自相似性感知网络进行局部放电信号噪声抑制，该方法是一种端到端的数据驱动方法，相比于传统的时频域分析方法，不需要手工调整相关参数，同时可以从原始局部放电信号中提取特征，泛化能力较强、鲁棒性好。
本文档来自技高网...【技术保护点】
1.一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述原始局部放电信号的预处理操作包括：
3.根据权利要求1所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述构建原始局部放电信号数据的向量序列的操作具体为：
4.根据权利要求1所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述自相似性感知网络包括：
5.根据权利要求4所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述局部感知聚合模块由N个局部自相似融合模块组成，所述非局部感知模块包括M个编码器；所述编码器由多头自注意力机制和前馈网络组成。
6.根据权利要求5所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述局部感知聚合模块具体过程如下：
7.根据权利要求5所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述非局部感知模块具体过程如下
8.根据权利要求4所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述全连接层为三层结构，所述全连接层的第一层和第二层均采用ReLu激活函数，所述全连接层的第三层采用Sigmoid激活函数。
9.根据权利要求8所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述全连接层重构局部放电信号的具体过程如下：
10.应用权利要求1-9中任一项所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法的系统，其特征在于：在重构所述局部放电信号后，还包括：
...【技术特征摘要】
1.一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述原始局部放电信号的预处理操作包括：
3.根据权利要求1所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述构建原始局部放电信号数据的向量序列的操作具体为：
4.根据权利要求1所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述自相似性感知网络包括：
5.根据权利要求4所述的一种基于自相似性感知网络的局部放电信号噪声抑制方法，其特征在于：所述局部感知聚合模块由n个局部自相似融合模块组成，所述非局部感知模块包括m个编码器；所述编码器由多头自注意力机制和前馈网络组成。
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：邓奕，朱奎虎，赵国瑾，祝季楹，王磊，刘嘉政，周涛，余烈，万仁卓，邓文迪，张伟，
申请(专利权)人：武汉纺织大学，
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。