【技术实现步骤摘要】
本专利技术属于局部放电识别，特别涉及基于视觉原语的电力边缘异构融合放电识别方法及系统。
技术介绍
1、气体绝缘金属封闭开关设备gis在其制造、组装和运行的不同阶段，可能会遇到多种问题，这些问题有可能导致局部放电。局部放电现象与绝缘性能下降之间形成了一种相互加剧的恶性循环。引发局部放电的主要因素包括悬浮电极的存在、绝缘材料中的缺陷、导体或外壳上的尖锐边缘，以及游离的金属微粒等。若这些问题得不到及时处理，可能导致设备严重损坏乃至停电事故。幸运的是，先进的状态监测技术能够即时捕捉异常信号，并通过模式识别算法提供准确预警，从而有效防止紧急故障发生，确保gis系统的稳定运行。
2、当局部放电发生时，会伴随光信号的产生。这是因为高电场强度下气体被电离，产生的带电粒子与气体分子相互作用后释放出光子。因此，通过检测这些光子可以间接地监测放电活动。然而，普通图像传感器在面对复杂多变的异常情况时仍面临许多挑战，如混叠失真、量化误差、数据冗余，以及感知层面的问题如语义不匹配、延迟和域迁移等，这些问题都可能造成算法失效。
【技术保护点】
1.基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，包括：
2.根据权利要求1所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，所述采集视觉原语数据，包括：
3.根据权利要求2所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，所述构建目标检测模型，将视觉原语数据输入至目标检测模型中，以利用目标检测模型检测气体绝缘金属封闭开关设备GIS局部放电位置和类别，包括：
4. 根据权利要求3所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，目标检测模型训练阶段，将采集的数据输入到视觉重建模型进行视觉...
【技术特征摘要】
1.基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，包括：
2.根据权利要求1所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，所述采集视觉原语数据，包括：
3.根据权利要求2所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，所述构建目标检测模型，将视觉原语数据输入至目标检测模型中，以利用目标检测模型检测气体绝缘金属封闭开关设备gis局部放电位置和类别，包括：
4. 根据权利要求3所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，目标检测模型训练阶段，将采集的数据输入到视觉重建模型进行视觉重建，得到高频的图像，从高频的图像中挑选出带gis局部放电的图像，按照带gis局部放电的图像与不带gis局部放电的图像的比值为预设值从高频的图像挑选出带gis局部放电的图像和不带gis局部放电的图像以构建数据集；对数据集中带gis局部放电的的图像进行标注，标记出gis放电的位置和类别，得到带标注的数据集，数据集中每条数据表示为(, , )，其中为空间差分视觉原语，为时序差分视觉原语,为其对应的标签；对数据集按照预设比例划分训练集和测试集；将训练集数据输入到目标检测网络中进行训练以得到检测结果，并计算检测结果和标签之间的损失，根据检测结果和标签之间的损失对目标检测网络进行梯度更新，直到目标检测网络收敛并且利用测试集对训练后的目标检测网络进行验证。
5.根据权利要求2所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，所述保存检测到gis局部放电时的视觉原语数据，作为待重建的视觉原语数据进行视觉重建，输出重建结果，包括：
6.根据权利要求5所述的基于视觉原语的电力边缘异构融合放电识别方法，其特征在于，视觉处理模型的输入是面向认知的视觉原语图像和时序差分视觉原语在通道上的连接，经过卷积层、激活层、下采样模块进行处理，通过激活层、下采样模块分别对面向认知的视觉原语图像和时序差分视觉原语进行特征提取，分别输出特征图、、、，将与输入到上采样模块中进行处理得到，将与输入到上采样模块中进...
【专利技术属性】
技术研发人员：史存存，陈帅，吴春鹏，张国梁，张文力，周飞，李凡，
申请(专利权)人：中国电力科学研究院有限公司，
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。