[发明专利]局部放电模式识别方法、计算机设备和存储介质

权利要求书

1.局部放电模式识别方法，其特征在于，包括以下步骤：

S1：采集高压电缆局部放电信号对应的数据，得到训练数据和测试数据；

S2：对所述训练数据进行预处理，提取所述训练数据的时间序列相关特征、图谱特征和脉冲特征；

S3：构建基于LSTM的识别模型、基于CNN的识别模型、基于SDAE的识别模型，将所述完成预处理的训练数据及测试数据分别输入所述基于LSTM的识别模型、基于CNN的识别模型、基于SDAE的识别模型中进行训练；其中，将所述训练数据的时间序列相关特征输入所述基于LSTM的识别模型中进行训练，将所述训练数据的图谱特征输入所述基于CNN的识别模型中进行训练，将所述训练数据的脉冲特征输入所述基于SDAE的识别模型中进行训练；

S4：将测试数据输入所述基于LSTM的识别模型、基于CNN的识别模型、基于SDAE的识别模型中进行测试，对所述基于LSTM的识别模型、基于CNN的识别模型、基于SDAE的识别模型的权重进行调整，得到完成训练的基于LSTM的识别模型、基于CNN的识别模型、基于SDAE的识别模型；

S5：采集现场高压电缆局放信号，并输入所述完成训练的于LSTM的识别模型、基于CNN的识别模型、基于SDAE的识别模型中，输出得到局部放电模式识别结果。

2.根据权利要求1所述的局部放电模式识别方法，其特征在于，所述S1步骤中，其具体步骤如下：通过现场采集及通过采集实验室试验数据获得高压电缆局部放电信号对应的数据。

3.根据权利要求2所述的局部放电模式识别方法，其特征在于，所述S1步骤中，还包括以下步骤：将通过采集实验室试验数据获得的高压电缆局部放电信号对应的数据进行划分，其中70％作为训练数据，30％作为测试数据；将所述通过现场采集获得的高压电缆局部放电信号对应的数据加入测试数据中。

4.根据权利要求1所述的局部放电模式识别方法，其特征在于，所述基于LSTM的识别模型中，包括遗忘门、输入门、输出门。

5.根据权利要求4所述的局部放电模式识别方法，其特征在于，所述S3步骤中，将所述训练数据的时间序列相关特征输入所述基于LSTM的识别模型中进行训练的具体步骤如下：

S3.1：设定当前时刻t以及上一时刻t-1；

S3.2：记录上一时刻t-1的识别结果h_t-1、上一时刻的识别结果C_t-1、当前时刻需要识别的数据x_t；

S3.3：在遗忘门中判断在模式识别过程中需要丢弃的信息；其表达公式如下：

f_t＝σ(W_f·[h_t-1,x_t]+b_f)

其中，σ表示sigmoid函数，W_f表示遗忘门选择信息时的选择权重，b_f表示遗忘门选择信息时的计算附加固定常数；当计算结果为1时表示信息“全部保留”，计算结果为0时表示信息“全部丢弃”；

S3.4：在输入门中决定用于模式识别的数据；其表达公式如下：

i_t＝σ(W_i·[h_t-1,x_t]+b_i)

其中，i_t表示通过输入门中sigmoid层进行信息更新后的函数，W_i表示信息通过输入门进行信息更新时的权重，b_i表示信息通过输入门进行信息更新时的计算附加固定常数；表示生成新的候选信息值，W_c表示生成新的候选信息值时的计算权重，b_c表示生成新的候选信息值时的计算附加固定常数；

S3.5：在输出门中确定要输出的识别结果h_t；其表达公式如下：

o_t＝σ(W_o·[h_t-1,x_t]+b_o)

h_t＝o_t·tanh(C_t)；

其中，o_t表示通过输出门中sigmoid层进行信息更新后的函数，C_t表示将缩放到-1～1后的数值。