【技术实现步骤摘要】
本专利技术实施例涉及电力设备状态监测，尤其涉及一种局部放电缺陷类型识别方法、装置、设备及存储介质。
技术介绍
1、气体绝缘组合电器(gas insulated switchgear，gis)因其占地面积小、结构紧凑、运行可靠性高、易于维护等优势，被广泛应用于电力系统中。但是由于设备制造、运输、安装和运行过程中的一些人为因素可能会导致在gis设备存在一定的绝缘缺陷与故障隐患。由于gis属于全封闭设备，一般的监测技术无法有效对其内部的绝缘状态进行监测。局部放电作为高压电力设备绝缘状态的重要标志，与绝缘介质的劣化程度有着密切的关联，因此对gis局部放电的严重程度进行研究具有重要的工程意义。
2、目前，由于gis设备运行环境复杂存在多种噪声干扰，对gis设备故障信号的采集造成了影响不利于后续处理。另一方面当前基于特高频技术的gis故障识别方法对于故障图谱的处理不够充分，将会出现图像清晰度不足、颜色对比度较低、图谱边缘模糊等问题，不利于后续图谱特征提取与进一步的故障类型识别。
技术实现思路
1、本专利技术实施例提供一种局部放电缺陷类型识别方法、装置、设备及存储介质，以实现能够对prps图像进行自适应图像增强，提升局部放电脉冲信号图谱(phase resolvedpulse sequence，prps)图像的对比度，使图像更加清晰，便于进一步提取更具差异性的图像特征，确定局部放电缺陷类型，进而提高故障的识别精度，具有较强的工程应用价值。
2、第一方面，本专利技术实施例提
3、采集目标缺陷物体的局部放电信号；
4、将局部放电信号转化为脉冲序列相位分布图像；
5、建立图像增强模型，基于适应度函数确定图像增强模型中的目标α参数和目标β参数；
6、基于图像增强模型对所述脉冲序列相位分布图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像；
7、基于增强后的脉冲序列相位分布图像确定局部放电缺陷类型。
8、可选的，基于图像增强模型对所述脉冲序列相位分布图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像，包括：
9、将脉冲序列相位分布图像转化为double格式，得到第一图像；
10、基于图像增强模型对第一图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像。
11、可选的，所述图像增强模型为非完全beta函数。
12、可选的，基于适应度函数确定图像增强模型中的目标α参数和目标β参数，包括：
13、获取参数对集合，其中，所述参数对集合包括至少两对参数对，参数对包括：α参数和β参数；
14、基于适应度函数确定参数对集合中每个参数对对应的适应度；
15、将适应度最大的参数对确定为目标α参数和目标β参数。
16、可选的，基于适应度函数确定参数对集合中每个参数对对应的适应度，包括：
17、获取参数对对应的增强后的图像和增强前的图像的结构相似度；
18、获取参数对对应的增强后的图像的熵值和灰度标准方差；
19、根据参数对对应的增强后的图像的熵值、灰度标准方差以及增强后的图像和增强前的图像的结构相似度确定参数对对应的适应度。
20、可选的，基于适应度函数确定目标α参数和目标β参数，包括：
21、获取初始α参数和初始β参数；
22、根据初始α参数和初始β参数确定飞蛾初始位置；
23、根据飞蛾初始位置生成飞蛾矩阵；
24、基于适应度函数确定飞蛾矩阵中每个飞蛾对应的适应度；
25、根据适应度最大的飞蛾对应的位置确定目标α参数和目标β参数。
26、可选的，基于增强后的脉冲序列相位分布图像确定局部放电缺陷类型，包括：
27、基于增强后的脉冲序列相位分布图像确定局部放电特征参数；
28、将局部放电特征参数输入目标模型，得到局部放电缺陷类型。
29、第二方面，本专利技术实施例提供了一种局部放电缺陷类型识别装置，将电压通入gis实验腔体，以使gis实验腔体中的目标缺陷物体进行局部放电，包括：
30、采集模块，用于采集目标缺陷物体的局部放电信号；
31、转化模块，用于将局部放电信号转化为脉冲序列相位分布图像；
32、模型建立模块，用于建立图像增强模型，基于适应度函数确定图像增强模型中的目标α参数和目标β参数；
33、图像增强模块，用于基于图像增强模型对所述脉冲序列相位分布图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像；
34、类型确定模块，用于基于增强后的脉冲序列相位分布图像确定局部放电缺陷类型。
35、可选的，图像增强模块，包括：
36、转化单元，用于将脉冲序列相位分布图像转化为double格式，得到第一图像；
37、图像增强单元，用于基于图像增强模型对第一图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像。
38、可选的，所述图像增强模型为非完全beta函数。
39、可选的，模型建立模块，包括：
40、第一获取单元，用于获取参数对集合，其中，所述参数对集合包括至少两对参数对，参数对包括：α参数和β参数；
41、第一确定单元，用于基于适应度函数确定参数对集合中每个参数对对应的适应度；
42、第二确定单元，用于将适应度最大的参数对确定为目标α参数和目标β参数。
43、可选的，第一确定单元，具体用于：
44、获取参数对对应的增强后的图像和增强前的图像的结构相似度；
45、获取参数对对应的增强后的图像的熵值和灰度标准方差；
46、根据参数对对应的增强后的图像的熵值、灰度标准方差以及增强后的图像和增强前的图像的结构相似度确定参数对对应的适应度。
47、可选的，模型建立模块，还包括：
48、第二获取单元，用于获取初始α参数和初始β参数；
49、第三确定单元，用于根据初始α参数和初始β参数确定飞蛾初始位置；
50、生成单元，用于根据飞蛾初始位置生成飞蛾矩阵；
51、第四确定单元，用于基于适应度函数确定飞蛾矩阵中每个飞蛾对应的适应度；
52、第五确定单元，用于根据适应度最大的飞蛾对应的位置确定目标α参数和目标β参数。
53、可选的，类型确定模块，具体用于：
54、基于增强后的脉冲序列相位分布图像确定局部放电特征参数；
55、将局部放电特征参数输入目标模型，得到局部放电缺陷类型。
56、第三方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：
57、至少一个处理器；以及
<本文档来自技高网...【技术保护点】
1.一种局部放电缺陷类型识别方法，将电压通入GIS实验腔体，以使GIS实验腔体中的目标缺陷物体进行局部放电，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，基于图像增强模型对所述脉冲序列相位分布图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述图像增强模型为非完全Beta函数。
4.根据权利要求1所述的方法，其特征在于，基于适应度函数确定图像增强模型中的目标α参数和目标β参数，包括：
5.根据权利要求4所述的方法，其特征在于，基于适应度函数确定参数对集合中每个参数对对应的适应度，包括：
6.根据权利要求1所述的方法，其特征在于，基于适应度函数确定目标α参数和目标β参数，包括：
7.根据权利要求1所述的方法，其特征在于，基于增强后的脉冲序列相位分布图像确定局部放电缺陷类型，包括：
8.一种局部放电缺陷类型识别装置，将电压通入GIS实验腔体，以使GIS实验腔体中的目标缺陷物体进行局部放电，其特征在于，包括：
9.根
10.根据权利要求8所述的装置，其特征在于，所述图像增强模型为非完全Beta函数。
11.根据权利要求8所述的装置，其特征在于，模型建立模块，包括：
12.根据权利要求11所述的装置，其特征在于，第一确定单元，具体用于：
13.根据权利要求8所述的装置，其特征在于，模型建立模块，还包括：
14.根据权利要求8所述的装置，其特征在于，类型确定模块，具体用于：
15.一种电子设备，其特征在于，所述电子设备包括：
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的局部放电缺陷类型识别方法。
...【技术特征摘要】
1.一种局部放电缺陷类型识别方法，将电压通入gis实验腔体，以使gis实验腔体中的目标缺陷物体进行局部放电，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，基于图像增强模型对所述脉冲序列相位分布图像进行自适应图像增强，得到增强后的脉冲序列相位分布图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述图像增强模型为非完全beta函数。
4.根据权利要求1所述的方法，其特征在于，基于适应度函数确定图像增强模型中的目标α参数和目标β参数，包括：
5.根据权利要求4所述的方法，其特征在于，基于适应度函数确定参数对集合中每个参数对对应的适应度，包括：
6.根据权利要求1所述的方法，其特征在于，基于适应度函数确定目标α参数和目标β参数，包括：
7.根据权利要求1所述的方法，其特征在于，基于增强后的脉冲序列相位分布图像确定局部放电缺陷类型，包括：
8.一种局部...
【专利技术属性】
技术研发人员：苑超，申张亮，丁晓森，马宏忠，许洪华，陈昊，刘宝稳，胡天羽，陈寿龙，许自强，杨安琪，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
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。