[发明专利]GIS局部放电诊断方法、模型训练方法、装置及系统有效

专利信息
申请号: 202211062539.0 申请日: 2022-09-01
公开(公告)号: CN115453286B 公开(公告)日: 2023-05-05
发明(设计)人: 易孝波;杨开;吴建明;张华;缪楚声;韩茂文;林海荣;黄浩健;方来金 申请(专利权)人: 珠海市伊特高科技有限公司
主分类号: G01R31/12 分类号: G01R31/12
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 梁嘉琦
地址: 519000 广东省珠海*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: gis 局部 放电 诊断 方法 模型 训练 装置 系统
【权利要求书】:

1.一种GIS局部放电诊断方法,其特征在于,应用于GIS局部放电诊断装置,所述GIS局部放电诊断装置包括监测主机、网络中继装置和分布设置于GIS上的多个传感器模块,所述传感器模块用于监测GIS发生局部放电时产生的特高频信号;所述传感器模块还包括无线传输装置,各个所述传感器模块与所述网络中继装置通信连接,各个所述传感器模块之间通过无线传输装置自组网相互连接构成无线传输网络,所述传感器模块通过无线通信的时间获知与其他所述传感器模块的距离,进而得到所述无线传输网络中各个所述传感器模块的传感器网络位置分布数据,将所述网络位置分布数据发送至网络中继装置,所述监测主机与所述网络中继装置通信连接;

所述诊断方法包括:

所述监测主机获取各个所述传感器模块的监测数据,所述监测数据包括各个所述传感器模块监测到的局部放电特高频信号、各个所述传感器模块监测到的所述局部放电特高频信号的接收时间信息和所述无线传输网络的传感器网络位置分布数据;

所述监测主机将所述监测数据输入至局部放电诊断模型进行预测处理,确定预测局部放电类型;

其中,所述局部放电诊断模型通过以下训练方法得到:

所述监测主机从训练服务器获取局部放电诊断模型;

所述监测主机获取训练数据,所述训练数据包括训练特征数据和标注信息;所述训练特征数据包括各个所述传感器模块监测到的局部放电特高频信号、各个所述传感器模块监测到的所述局部放电特高频信号的接收时间信息和所述无线传输网络的传感器网络位置分布数据;所述标注信息包括局部放电类型;

所述监测主机将所述局部放电特高频信号进行向量化处理,得到局部放电特高频信号特征;

所述监测主机将所述接收时间信息和所述传感器网络位置分布数据分别进行向量化处理,得到接收时间特征和传感器网络位置分布特征;

所述监测主机将所述接收时间特征和所述传感器网络位置分布特征输入至融合模型进行交叉组合,得到交互特征,所述融合模型将所述接收时间特征、所述传感器网络位置分布特征和所述交互特征进行加权求和,得到组合属性特征;

所述监测主机将所述组合属性特征与所述局部放电特高频信号特征进行拼接,得到局部放电特高频信号融合特征;

所述监测主机将所述局部放电特高频信号融合特征输入至局部放电诊断模型进行预测处理,确定预测局部放电类型;

所述监测主机根据所述预测局部放电类型,对所述局部放电诊断模型和所述融合模型进行修正。

2.根据权利要求1所述的GIS局部放电诊断方法,其特征在于,所述训练数据还包括信号衰减特征,所述信号衰减特征包括各个所述传感器模块检测到的特高频信号之间的信号幅度差值或各个所述传感器模块的放电图谱中各个测量项之间的差值。

3.根据权利要求1或2所述的GIS局部放电诊断方法,其特征在于,所述监测主机获取训练数据,包括以下至少之一的步骤:

从所述训练服务器获取所述训练数据,其中,所述训练数据为预先在其他的GIS局部放电检测设备收集的数据;

或者,从所述监测主机的存储器中获取所述训练数据,其中,所述训练数据为当前所述GIS局部放电诊断装置在先收集的数据;

或者,通过在GIS上设置局部放电产生装置,收集由各个所述传感器模块检测所述局部放电产生装置产生的局部放电特高频信号,并记录各个所述传感器模块接收局部放电特高频信号的时间,各个所述传感器模块相互通信而感知的传感器网络位置分布数据,以及设置局部放电产生装置时确定的局部放电类型,得到所述训练数据;

或者,通过计算机建立的局部放电仿真模型获取所述训练数据,其中,所述训练数据为模拟测试数据。

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珠海市伊特高科技有限公司,未经珠海市伊特高科技有限公司许可,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/202211062539.0/1.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