技术特征：
1.一种基于残差神经网络的电缆缺陷识别方法，其特征在于，步骤为：(1)通过脉冲电流法获取不同缺陷类型电缆的局部放电数据；通过脉冲电流法采集电缆的局部放电信息，脉冲电流法通过罗格夫斯基线圈从电气设备的接地点或测量阻抗在耦合电容上由局部放电所导致的脉冲电流来实现对放电相位、放电幅值、局部放电量、放电次数等放电参数的采集，按照相应国家标准gb/t 7354-2018搭建，局放检测系统保存所有局放信息并对其分析处理；(2)得到局部放电的prpd图谱，即基于局部放电相位分布模式分析电缆局放数据；通过采集多个放电周期下的脉冲放电量、放电次数和对应相位等数据，构造三者之间的关系，从而获得其三维统计谱图；(3)对电缆局放图谱进行预处理得到灰度图像；对局放图谱进行预处理形成对应灰度图像，可以直观地观察到局部放电的放电量、相位分布以及放电次数等特征，不同区域内的局部放电次数为n
i,j
，该区域内的最大放电次数为n
max
，计算图谱中各像素点的灰度值：(4)对经过预处理后的电缆局放数据灰度图进行增强图像信息操作，提取图像纹理特征；(5)利用残差神经网络模型训练电缆局放数据并测试识别准确率及识别效率；在卷积神经网络结构的基础上在每两个卷积层之间引入残差结构单元，形成恒等映射连接，残差单元的输出由多个卷积层级联的输出和输入元素间相加并经过relu激活后得到，将这种结构级联起来就得到了残差网络；(6)运用该方法识别电缆存在的缺陷类型：所述的电缆缺陷类型，包括：气隙缺陷、尖刺缺陷、划痕缺陷和外半导电层损伤。2.根据权利要求1所述的一种基于残差神经网络的电缆缺陷识别方法，其特征在于，步骤(3)中，通过线性灰度变换提高对局放图谱图像增强，对图像做灰度线性延伸，改善图像的主观质量；通过下列计算公式将图像灰度函数f(x,y)的灰度范围从[a,b]扩展到[c，d]：3.根据权利要求1或2所述的一种基于残差神经网络的电缆缺陷识别方法，其特征在于，步骤(5)中，在卷积神经网络结构的基础上在每两个卷积层之间引入残差结构单元，形成恒等映射连接，残差单元的输出由多个卷积层级联的输出和输入元素间相加并经过relu激活后得到，将这种结构级联起来就得到了残差网络。4.根据权利要求1或2所述的一种基于残差神经网络的电缆缺陷识别方法，其特征在于，步骤(5)中，确定深度残差网络各项参数，比如周期迭代次数、学习率、每次投入训练量等，输入为prpd图谱数据，输出为电缆缺陷类型，进行神经网络内部参数结构训练进而优化网络结构，最终形成深度残差网络识别模型。
技术总结
本发明公开了一种基于残差网络的电缆缺陷识别方法，首先通过脉冲电流法获取不同缺陷类型电缆的局部放电数据，然后利用局部放电数据分析系统获得电缆局部放电PRPD图谱，对图像进行预处理、图像信息增强，最后采用残差神经网络模型对局放数据综合训练测试，识别电缆存在的缺陷类型，操作简单、识别准确率和诊断效率高。本发明的技术方案有效的解决了现有技术中缺陷类型难以快速判定、修复的问题，提高电力系统的稳定性。力系统的稳定性。力系统的稳定性。
技术研发人员：郭翔宇 孙耘龙 卢伟 鲁娜 孙长海 赵哲 梁文佳 刘佳昊 朱梓维 王章军
受保护的技术使用者：大连理工大学 上海霍开光电技术有限公司
技术研发日：2022.09.21
技术公布日：2022/12/1