一种基于信息交互的局部放电模式识别方法及系统与流程

本技术涉及gis故障诊断，具体涉及一种基于信息交互的局部放电模式识别方法及系统。

背景技术：

1、封闭式气体绝缘开关装置(gis)是一种采用六氟化硫气体作为绝缘介质，并将所有的高压电器元件密封在接地金属筒中的封闭金属开关设备，广泛应用于高压变电场所。受目前生产制造水平、运输手段和安装技术制约，以及运行环境中的不可控因素的影响。gis设备的局部放电(pd)现象时有发生，由于gis中的pd现象发生在设备内部，造成绝缘故障的原因难以识别。

2、随着gis绝缘故障类型检测技术的不断发展，检测方法更新较快，常规检测方法主要包括超声波类、化学材料类、光学仪器类、脉冲电流和特高频等。目前已有采用人工智能进行gis绝缘故障类型检测的相关技术，但是由于检测的数据维度较为单一，导致gis绝缘故障类型检测准确率较低。

3、综上所述，现有技术中存在基于人工智能的gis绝缘故障类型检测的数据较为单一，以及gis绝缘故障类型检测准确率低的技术问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于信息交互的局部放电模式识别方法及系统。

2、一种基于信息交互的局部放电模式识别方法，所述方法应用于一种基于信息交互的局部放电模式识别系统，所述系统包括特高频传感器、数据处理模块，所述特高频传感器和数据处理模块通信连接，所述方法包括：在gis开关装置出现局部放电故障时，通过所述特高频传感器对所述gis开关装置进行检测，获得预设时间范围内的电磁信号数据集合；将所述电磁信号数据集合发送至所述数据处理模块，对所述电磁信号数据集合进行处理，获得第一特征数据集和第二特征数据集；在所述局部放电识别模块内，构建局部放电识别模型，其中，所述局部放电识别模型包括多个第一识别单元和多个第二识别单元，所述第一识别单元和所述第二识别单元的输入数据分别为所述第一特征数据集和所述第二特征数据集，输出数据为局部放电类型识别结果；基于历史时间内的gis开关装置局部放电识别历史数据，对所述多个第一识别单元和所述多个第二识别单元的单元参数进行寻优，获得准确率符合预设要求的所述局部放电识别模型；分别将所述第一特征数据集输入多个所述第一识别单元，将所述第二特征数据集输入多个所述第二识别单元，获得多个第一识别结果和多个第二识别结果；获取多个所述第一识别结果和多个所述第二识别结果内出现频率最高的放电类型识别结果，获得最终局部放电类型识别结果。

3、在一个实施例中，还包括：对所述电磁信号数据集合内的电磁信号进行取最大值、均值计算和方差计算，获得信号峰值、信号均值和信号方差；根据所述电磁信号数据集合，提取获得局部放电波动范围和放电次数信息；基于所述信号峰值、信号均值和信号方差，生成所述第一特征数据集，基于所述局部放电波动范围和放电次数信息，生成所述第二特征数据集。

4、在一个实施例中，还包括：基于bp神经网络，构建多个所述第一识别单元，其中，多个所述第一识别单元的输入数据为第一特征数据集，输出数据为局部放电类型识别结果；基于bp神经网络，构建多个所述第二识别单元，其中，多个所述第二识别单元的输入数据为第二特征数据集，输出数据为局部放电类型识别结果。

5、在一个实施例中，还包括：基于历史时间内的gis开关装置局部放电识别历史数据，获得多个历史第一特征数据集、多个历史第二特征数据集和多个历史局部放电类型识别结果；基于多个所述历史第一特征数据集和多个所述历史局部放电类型识别结果，对多个所述第一识别单元的单元参数进行寻优，获得准确率满足所述预设要求的多个第一识别单元；基于多个所述历史第二特征数据集和多个所述历史局部放电类型识别结果，对多个所述第二识别单元的单元参数进行寻优，获得准确率满足所述预设要求的多个第二识别单元；基于多个所述第一识别单元和多个所述第二识别单元，获得所述局部放电识别模型。

6、在一个实施例中，还包括：对于其中一个第一识别单元，随机生成多个单元参数集合；随机选择获取多个所述单元参数集合内的第一单元参数集合，并作为临时最优解；采用多个所述历史第一特征数据集和多个所述历史局部放电类型识别结果对所述第一单元参数集合进行测试，获得第一寻优得分；再次随机选择获取多个所述单元参数集合内的第二单元参数集合，采用多个所述历史第一特征数据集和多个所述历史局部放电类型识别结果对所述第二单元参数集合进行测试，获得第二寻优得分；判断所述第二寻优得分是否大于第一寻优得分，若是，则将所述第二单元参数集合作为临时最优解，若否，则按照概率将所述第二单元参数集合作为临时最优解，所述概率随着迭代寻优次数的增加而减小；继续进行迭代寻优，直到达到预设迭代寻优次数，将最终的临时最优解输出，获得最优单元参数集合；采用所述最优单元次数集合对所述其中一个第一识别单元的单元参数进行更新设置；继续对其他多个第一识别单元的单元参数进行寻优，获得准确率符合所述预设要求的多个第一识别单元。

7、在一个实施例中，还包括：采用所述第一单元参数集合对所述其中一个第一识别单元的单元参数进行更新；采用所述多个历史第一特征数据集和所述多个历史局部放电类型识别结果作为测试数据，对更新后的所述其中一个第一识别单元进行测试，获得第一准确率；将所述第一准确率作为所述第一寻优得分。

8、在一个实施例中，还包括：获取多个所述第一识别结果和多个所述第二识别结果中出现频率最高的前两个放电类型识别结果；判断所述前两个放电类型识别结果的出现频率是否相同，若是，则将所述两个放电类型识别结果输出，若否，则将出现频率最高的放电类型识别结果输出。

9、一种基于信息交互的局部放电模式识别系统，所述系统包括特高频传感器、数据处理模块，所述特高频传感器和数据处理模块通信连接，所述系统包括：

10、电磁信号数据集获得模块，所述电磁信号数据集获得模块用于在gis开关装置出现局部放电故障时，通过所述特高频传感器对所述gis开关装置进行检测，获得预设时间范围内的电磁信号数据集合；

11、电磁信号数据处理模块，所述电磁信号处理模块用于将所述电磁信号数据集合发送至所述数据处理模块，对所述电磁信号数据集合进行处理，获得第一特征数据集和第二特征数据集；

12、局部放电识别模型构建模块，所述局部放电识别模型构建模块用于在所述局部放电识别模块内，构建局部放电识别模型，其中，所述局部放电识别模型包括多个第一识别单元和多个第二识别单元，所述第一识别单元和所述第二识别单元的输入数据分别为所述第一特征数据集和所述第二特征数据集，输出数据为局部放电类型识别结果；

13、局部放电识别模型获得模块，所述局部放电识别模型获得模块用于基于历史时间内的gis开关装置局部放电识别历史数据，对所述多个第一识别单元和所述多个第二识别单元的单元参数进行寻优，获得准确率符合预设要求的所述局部放电识别模型；

14、识别结果获得模块，所述识别结果获得模块用于分别将所述第一特征数据集输入多个所述第一识别单元，将所述第二特征数据集输入多个所述第二识别单元，获得多个第一识别结果和多个第二识别结果；

15、最终识别结果获得模块，所述最终识别结果获得模块用于获取多个所述第一识别结果和多个所述第二识别结果内出现频率最高的放电类型识别结果，获得最终局部放电类型识别结果。

16、上述一种基于信息交互的局部放电模式识别方法及系统，能够解决基于人工智能的gis绝缘故障类型检测的数据较为单一，以及gis绝缘故障类型检测准确率低的技术问题。通过对电磁信号数据集进行数据计算和数据处理，获得第一特征数据集和第二特征数据集。通过构建多个第一识别单元和多个第二识别单元分别对所述第一特征数据集和所述第二特征数据集进行识别，获得多个第一识别结果和多个第二识别结果。最终将多个所述第一识别结果和多个所述第二识别结果中出现频率最高的放电类型识别结果作为最终局部放电类型识别结果。可以提高gis内局部放电类型识别的准确率，进一步提高了gis绝缘故障类型检测的准确率，从而提高了整个区域电网的稳定运行能力。

17、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。