[发明专利]局部放电定位检测方法、装置、可读存储介质及电气设备

权利要求书

1.一种局部放电定位检测方法，应用于电气设备，其特征在于，所述局部放电定位检测方法包括：

基于无线电传感器获取所述电气设备中的局部放电数据，并将所述局部放电数据存入泰克示波器，以建立无线电频谱数据库后构建预测回归模型；其中，局部放电数据具有已知样本和未知样本，所述预测回归模型为I＝f(r)+e(r)，I为局部放电源的数据坐标，r为输入的局部放电源无线电发射信号，f(r)为预测函数，e(r)为噪声函数；

根据所述预测回归模型，对所述无线电频谱数据库中已知样本的局部放电数据进行特征提取；

对特征提取后已知样本的局部放电数据进行降维处理；

将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并根据优化后的局部放电数据计算出所述未知样本的局部放电数据的位置坐标；

所述将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并根据优化后的局部放电数据计算出所述未知样本的局部放电数据的位置坐标步骤包括：

基于BP神经网络的预测回归模型，以f(x)＝x函数更新降维后的已知样本的局部放电数据参数；

根据更新后的降维已知样本的局部放电数据参数，计算出所述未知样本的局部放电数据的位置坐标。

2.如权利要求1所述的局部放电定位检测方法，其特征在于，所述基于无线电传感器获取所述电气设备中的局部放电数据，并将所述局部放电数据存入泰克示波器，以建立无线电频谱数据库后构建预测回归模型的步骤包括：

基于无线电传感器获取所述电气设备中局部放电源的无线电发射信号，将所述局部放电数据存入泰克示波器，以建立所述无线电频谱数据库；

根据所述无线电频谱数据库中已知样本的局部放电数据，建立预测回归模型。

3.如权利要求1所述的局部放电定位检测方法，其特征在于，所述对特征提取后已知样本的局部放电数据进行降维处理的步骤包括：

对所述特征提取后已知样本的局部放电数据进行编码并压缩；

对压缩的已知样本局部放电数据进行解码，并重建局部放电数据后并输出。

4.如权利要求1所述的局部放电定位检测方法，其特征在于，所述粒子群算法具体步骤为：

搜索所述无线电频谱数据库中每一无线电频谱数据的神经元，并计算相应权值的适应度；

更新所述无线电频谱数据库中的每一无线电频谱数据的位置；

对最优无线电频谱数据和最差无线电频谱数据进行优化处理；

当无线电频谱数据为最优位置，则搜索停止，当无线电频谱数据为最差位置，则返回继续搜索。

5.如权利要求4所述的局部放电定位检测方法，其特征在于，所述更新所述无线电频谱数据库中的每一无线电频谱数据的位置的步骤包括：

更新所述无线电频谱数据库中的每一无线电频谱数据适应度；

当无线电频谱数据适应度优于个体极值P_best，则P_best设置为更新位置；

当无线电频谱数据适应度优于全局极值g_best，则g_best设置为更新位置。

6.一种局部放电定位检测装置，应用于电气设备，其特征在于，所述局部放电定位检测装置包括：

数据采集模块，用于获取所述电气设备中的局部放电数据，并建立无线电频谱数据库构建预测回归模型；其中，局部放电数据具有已知样本和未知样本；

特征提取模块，用于对所述无线电频谱数据库中已知样本的局部放电数据进行特征提取；

降维处理模块，用于对所述特征提取后已知样本的局部放电数据进行降维处理；

坐标获取模块，将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并计算出所述未知样本的局部放电数据的位置坐标；

其中，所述将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并计算出所述未知样本的局部放电数据的位置坐标具体为：

用于基于BP神经网络的预测回归模型，以f(x)＝x函数更新降维后的已知样本的局部放电数据参数；并根据更新后的降维已知样本的局部放电数据参数，计算出所述未知样本的局部放电数据的位置坐标。