局部放电信号缺陷类型的识别方法、装置及产品制造方法及图纸

本发明专利技术提供了一种局部放电信号缺陷类型的识别方法、装置及产品，该识别方法基于通过以移动时间切片代替位置编码、加入频域块、将层归一化结构前置的方式进行改进的Transformer模型架构来识别局部放电信号缺陷类型，其中，Transformer模型架构包括：n层编码器，编码器包括：自注意力块和前馈神经网络，该识别方法包括：S1对局部放电信号的时间序列进行预处理获得第一矩阵；S2将第一矩阵输入频域块进行频域变换获得第二矩阵，对第二矩阵进行特征提取获得第三矩阵；S3将第三矩阵输入Transformer编码器获得第四矩阵；S4将第四矩阵输入全连接层获得分类结果。利用上述技术方案，实现了对局部放电信号的高效特征提取和精确分类，提高局部放电信号缺陷识别的准确性和效率。

【技术实现步骤摘要】

本专利技术涉及电气设备检测，特别是涉及一种局部放电信号缺陷类型的识别方法、装置及产品。

技术介绍

1、在电力系统中，局部放电(partial discharge,pd)是评估电气设备绝缘性能的关键指标。局部放电信号蕴含着丰富的信息，不同类型的绝缘缺陷会导致不同的放电信号特征，因此通过对这些信号的分类识别来判断绝缘缺陷类型，对于缺陷定位、评估缺陷严重程度及制定应对措施具有重要意义。传统的局部放电检测技术依赖于人工提取信号特征和常规机器学习算法，如支持向量机(svm)进行模式识别，但这些方法存在特征提取过程中的信息损失和对复杂信号模式识别能力有限的问题。近年来，随着深度学习技术的发展，尤其是transformer架构在序列数据处理上的强大能力，研究者开始探索利用端到端的深度学习模型直接从局部放电信号中自动提取特征并进行分类识别，以提高识别的准确性和效率。然而，现有的深度学习模型在处理局部放电信号时仍面临信号预处理复杂、模型泛化能力有限等挑战。

技术实现思路

1、本专利技术的实施例提供了一种局部放电信号缺陷类型的识本文档来自技高网...

【技术保护点】

1.一种局部放电信号缺陷类型的识别方法，其特征在于，基于前置层归一化结构改进的Transformer模型架构，并添加预定的频域块，通过时域特征和频域特征相结合来识别局部放电信号缺陷类型，其中，所述Transformer模型架构包括：n层编码器，所述编码器包括：自注意力块和前馈神经网络，所述识别方法包括：

2.根据权利要求1所述的局部放电信号缺陷类型的识别方法，其特征在于，所述局部放电信号缺陷类型包括：尖端电晕放电、内部气隙放电、悬浮电位放电和/或沿面放电。

3.根据权利要求1所述的局部放电信号缺陷类型的识别方法，其特征在于，所述Transformer模型架构为仅包...

【技术特征摘要】

1.一种局部放电信号缺陷类型的识别方法，其特征在于，基于前置层归一化结构改进的transformer模型架构，并添加预定的频域块，通过时域特征和频域特征相结合来识别局部放电信号缺陷类型，其中，所述transformer模型架构包括：n层编码器，所述编码器包括：自注意力块和前馈神经网络，所述识别方法包括：

2.根据权利要求1所述的局部放电信号缺陷类型的识别方法，其特征在于，所述局部放电信号缺陷类型包括：尖端电晕放电、内部气隙放电、悬浮电位放电和/或沿面放电。

3.根据权利要求1所述的局部放电信号缺陷类型的识别方法，其特征在于，所述transformer模型架构为仅包含编码器的transformer架构。

4.根据权利要求1所述的局部放电信号缺陷类型的识别方法，其特征在于，预设的与时间窗切片长度相等的可学习权重向量通过权值共享的形式应用于频域信号。

5.根据权利要求1所述的局部放电信号缺陷类型的识别方法，其特征在于，在模型的训练过程中，通过反向传播算法根据计算出的损失函数对提取频域信号特征的预设的与时间窗切片长度相等的可学习权重向...

【专利技术属性】
技术研发人员：田洪，卢业旺，周宏扬，朱婷，官瑞杨，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：