[发明专利]局部放电状态识别方法、装置、放电模拟器和识别设备

权利要求书

1.一种局部放电状态识别方法，其特征在于：

获取原始变压器信号作为待识别信号；

通过共振稀疏分解对所述待识别信号进行振荡分量和冲击分量的分离，以提取所述待识别信号的高共振分量和所述待识别信号的低共振分量；

应用SDP分析法将所述待识别信号的高共振分量和所述待识别信号的低共振分量进行信息融合，以得到所述待识别信号的SDP融合图像；

将所述待识别信号的SDP融合图像输入至预先训练的卷积神经网络模型，得到所述待识别信号对应的局部放电状态。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型的训练过程包括：

应用放电模拟器获取样本信号；

将所述样本信号随机分为训练样本信号和测试样本信号；

对所述训练样本信号进行特征提取，得到所述训练样本信号的高共振分量和所述训练样本信号的低共振分量；

应用所述SDP分析法将所述训练样本信号的高共振分量和所述训练样本信号的低共振分量进行融合，得到所述训练样本信号对应的SDP融合图像；

应用所述训练样本信号对应的SDP融合图像和所述训练样本信号的局部放电状态对预先构建的卷积神经网络模型进行训练；

优化所述预先构建的卷积神经网络模型的各层参数，直到识别准确率大于设定准确率阈值，得到训练好的卷积神经网络模型。

3.根据权利要求2所述的方法，其特征在于，在得到训练好的卷积神经网络模型之后，还包括：

将所述测试样本信号对应的SDP融合图像输入至所述训练好的卷积神经网络模型识别，得到局部放电状态；

将所述测试样本信号对应的实际局部放电状态和所述局部放电状态进行对比，根据对比结果对所述训练好的卷积神经网络模型进行更新。

4.根据权利要求1所述的方法，其特征在于，应用SDP分析法将所述待识别信号的高共振分量和所述待识别信号的低共振分量进行信息融合，以得到所述待识别信号的SDP融合图像，包括：

应用SDP方法，将所述待识别信号的高共振分量和所述待识别信号的低共振分量的时间序列映射到极坐标图上，生成极坐标上的散点图；

根据所述散点图实现信息融合，以得到所述待识别信号的SDP融合图像。

5.根据权利要求1所述的方法，其特征在于，所述局部放电状态包括：电晕放电、气隙放电和悬浮微粒放电。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述卷积神经网络包括输入层、卷积层、采样层、全连接层和输出层。

7.一种局部放电状态识别装置，其特征在于：

待识别信号获取模块，用于获取原始变压器信号作为待识别信号；

特征提取模块，用于通过共振稀疏分解对所述待识别信号进行振荡分量和冲击分量的分离，以提取所述待识别信号的高共振分量和所述待识别信号的低共振分量；

图像融合模块，用于应用SDP分析法将所述待识别信号的高共振分量和所述待识别信号的低共振分量进行信息融合，以得到所述待识别信号的SDP融合图像；

放电状态识别模块，用于将所述待识别信号的SDP融合图像输入至预先训练的卷积神经网络模型，得到所述待识别信号对应的局部放电状态。