[发明专利]一种面向高压开关柜的局部放电多源融合检测预警方法

权利要求书

1.一种面向高压开关柜的局部放电多源融合检测预警方法，包括以下步骤：

S1：采集高压开关柜不同放电类型情况下的放电数据，根据采集的放电数据设计卷积神经网络结构，生成训练数据集和测试数据集，将训练数据集和测试数据集中的放电数据进行短时傅里叶变换构建不同放电类型的二维图谱数据库，并重新定义所得二维图谱的图像尺寸和灰度比，得到处理后的训练数据集和测试数据集；

S2：通过对训练数据集进行正向传播计算与反向传播计算相结合的模型训练及模型参数的更新，达到一定训练检测准确度或最大训练迭代次数结束模型训练，通过测试数据集对训练结束的模型参数进行测试，验证训练模型的相关特性参数，获得高压开关柜局部放电类型卷积神经网络模型；

S3：将实时采集的高压开关柜放电数据输入步骤S2的卷积神经网络模型，获得该放电数据的特性参数，判断该特性参数，在判断出有放电的情况下，发出预警信号。

2.根据权利要求1所述的一种面向高压开关柜的局部放电多源融合检测预警方法的生产方法，其特征在于：所述采集高压开关柜不同放电类型情况下的放电数据，具体步骤为：将局部放电检测探头和不同放电模型放置于高压开关柜内部，对放电模型施加高压工频电源，使放电模型产生放电，局部放电传感器接收到放电信号，并通过信号放大调理电路处理后，接至示波器，完成对不同放电类型情况下的放电数据采集。

3.根据权利要求2所述的一种面向高压开关柜的局部放电多源融合检测预警方法的生产方法，其特征在于：所述卷积神经网络结构由五层卷积层、两层全连接层、七层ReLu激活函数层、两层归一化层、三层池化层和两层丢弃层构成。

4.根据权利要求3所述的一种面向高压开关柜的局部放电多源融合检测预警方法的生产方法，其特征在于：所述不同放电模型包括锥板、针板、球板、柱板四种放电模型和无放电模型。

5.根据权利要求1所述的一种面向高压开关柜的局部放电多源融合检测预警方法的生产方法，其特征在于：所述局部放电传感器为UHF传感器、超声波传感器和TEV传感器中的两种以上。

6.根据权利要求1所述的一种面向高压开关柜的局部放电多源融合检测预警方法的生产方法，其特征在于：所述步骤S2还包括，通过GPU并行计算对卷积神经网络算法进行训练。

7.根据权利要求1-6任一项所述的一种面向高压开关柜的局部放电多源融合检测预警方法的生产方法，其特征在于：所述步骤S3还包括：对有无放电以及具体放电类型进行分类判断。