[发明专利]一种配电网设备的隐患类型识别方法及装置在审

专利信息
申请号: 202010981629.4 申请日: 2020-09-17
公开(公告)号: CN112051493A 公开(公告)日: 2020-12-08
发明(设计)人: 吴天杰;黄雄;林少佳;宋平平;王崇鲁;张国辉;谢旭琛;陈锐忠;罗杰 申请(专利权)人: 海南电网有限责任公司琼海供电局
主分类号: G01R31/12 分类号: G01R31/12;G01R31/08
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 刘俊
地址: 571400 海*** 国省代码: 海南;46
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 配电网 设备 隐患 类型 识别 方法 装置
【权利要求书】:

1.一种配电网设备的隐患类型识别方法,其特征在于,包括以下步骤:

S1:获取对所述配电网设备采集到的超声波数据;

S2:将所述超声波数据的原始声波频率转换成人耳能够收听到的声波频率,以获得目标超声波数据;

S3:将所述目标超声波数据保存为音频文件;

S4:提取所述音频文件的特征信息;

S5:根据所述特征信息识别出所述配电网设备的隐患类型。

2.根据权利要求1所述的一种配电网设备的隐患类型识别方法,其特征在于,所述步骤S5包括以下步骤:

S5.1:分别计算所述特征信息与每个类别中每个特征信息样本的第一距离,其中,每个所述类别包括若干特征信息样本,每个所述类别对应有一个类标签,所述类别的数量有多个;

S5.2:针对每个所述类别,在其所包括的若干特征信息样本中确定出所述第一距离较小的指定数量个近邻特性信息样本;

S5.3:获取每个所述类别中所述指定数量个近邻特征信息样本的均值;

S5.4:分别计算所述特征信息与每个所述类别中所述指定数量个近邻特征信息样本的均值的第二距离;

S5.5:获取每个所述类别的预设权重系数与该类别对应的第二距离的乘积;

S5.6:将所述乘积最大的类别所对应的类标签作为所述特征信息的隐患类型。

3.根据权利要求2所述的一种配电网设备的隐患类型识别方法,其特征在于,所述每个所述类别的预设权重系数具体为该类别所包括的特征信息样本数量与所有所述类别包括的特征信息样本总数量的占比。

4.根据权利要求2所述的一种配电网设备的隐患类型识别方法,其特征在于,步骤S5.1之前,还可以包括以下步骤:

获取若干特征信息样本,对每一所述特征信息样本进行打标签;

将属于相同标签的特征信息样本归为相同的类别,以获得多个类别;

将每个所述类别所包括的若干特征信息样本所属的标签作为类标签。

5.根据权利要求1至4任一项所述的一种配电网设备的隐患类型识别方法,其特征在于,步骤S4包括以下步骤:

S4.1:提取所述音频文件的时域振幅特征;

S4.2:对所述时域振幅特征进行FFT变换得到FFT频谱特征;

S4.3:将所述FFT频谱特征作为所述音频文件的特征信息。

6.一种配电网设备的隐患类型识别装置,其特征在于,包括:

数据获取单元,用于获取对所述配电网设备采集到的超声波数据;

声波转换单元,用于将所述超声波数据的原始声波频率转换成人耳能够收听到的声波频率,以获得目标超声波数据;

保存单元,用于将所述目标超声波数据保存为音频文件;

特征提取单元,用于提取所述音频文件的特征信息;

识别单元,用于根据所述特征信息识别出所述配电网设备的隐患类型。

7.根据权利要求6所述的一种配电网设备的隐患类型识别装置,其特征在于,所述识别单元包括:

第一距离模块,用于分别计算所述特征信息与每个类别中每个特征信息样本的第一距离,其中,每个所述类别包括若干特征信息样本,每个所述类别对应有一个类标签,所述类别的数量有多个;

近邻样本确定模块,用于针对每个所述类别,在其所包括的若干特征信息样本中确定出所述第一距离较小的指定数量个近邻特性信息样本;

均值获取模块,用于获取每个所述类别中所述指定数量个近邻特征信息样本的均值;

第二距离模块,用于分别计算所述特征信息与每个所述类别中所述指定数量个近邻特征信息样本的均值的第二距离;

乘积获取模块,用于获取每个所述类别的预设权重系数与该类别对应的第二距离的乘积;

识别模块,用于将所述乘积最大的类别所对应的类标签作为所述特征信息的隐患类型。

8.根据权利要求7所述的一种配电网设备的隐患类型识别装置,其特征在于,所述每个所述类别的预设权重系数具体为该类别所包括的特征信息样本数量与所有所述类别包括的特征信息样本总数量的占比。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于海南电网有限责任公司琼海供电局,未经海南电网有限责任公司琼海供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010981629.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top