变压器局部放电诊断方法、设备及介质与流程

本发明属于变压器局部放电诊断领域，特别涉及一种基于改进yolov3的变压器局部放电诊断方法、计算机设备及介质。

背景技术：

1、电力变压器是电力系统中的重要设备，主要承担着电压转换和电能传送的作用。随着国民经济的发展，对电力的需求日益增长，变压器的需求会不断增加，其正常稳定运行对电能的传输和安全使用起着决定性作用。当变压器内部存在绝缘缺陷或绝缘劣化时，会发生局部放电现象，通过对局部放电进行检测并分析局部放电数据，对于变压器绝缘故障诊断具有重要意义。

2、针对局部放电模式识别问题，业界有了大量的研究，通过从不同谱图中提取特征并采用分类器进行识别可以解决大部分简单的识别问题。但当变压器同时存在多个局部放电源时，获得的局部放电信息之间存在重叠覆盖，采用传统方法进行识别难以满足要求，因此多源局部放电问题增加了局部放电分析诊断的难度。

3、为了实现对多源局部放电的准确识别，提高变压器局部放电诊断的可靠性，提供了一种基于改进yolov3的变压器局部放电诊断方法。

技术实现思路

1、针对现有技术中的不足，本申请的目的在于提出一种基于改进yolov3的变压器局部放电诊断方法、计算机设备及介质。

2、为实现上述目的，本申请提供以下技术方案：

3、一种基于改进yolov3的变压器局部放电诊断方法包括以下步骤：

4、步骤一：获得变压器的局部放电信号的等效时长-等效频率图谱，并对不同放电类型进行类别标签的标注以形成数据集，其中，变压器局部放电波形有k个采样点，s(ti)代表ti时刻下的局部放电信号，则时间重心t0为：

5、

6、等效时间长度t为：

7、

8、对变压器局部放电时域脉冲波形进行快速傅里叶变换得到频率分量x(fi)，等效带宽w为：

9、

10、步骤二：预处理等效时长-等效频率图谱，其中，将彩色的等效时长-等效频率图谱转化为灰度图像且去除噪点；

11、步骤三：采用改进的yolov3模型网络对预处理后的等效时长-等效频率图谱进行局部放电区域的定位检测和分类，其中改进的yolov3模型网络包括特征提取和特征预测两部分，特征提取部分使用残差结构、去掉全连接层并去掉池化层形成全卷积网络，在第五层和第六层卷积之间引入spp模块，由3个最大池化层和一个跳跃连接组成，3个最大池化层的大小分别5×5、9×9和13×13；

12、步骤四：改进的yolov3模型网络的损失函数为：

13、

14、其中：lall为总损失函数，lbbox为定位损失函数，lconf为置信度损失函数，lc1s为总损失函数；λcoord为协调不同大小矩形框对误差函数贡献不一致的协调函数，ωi和hi为预测框的长和宽，iou为交并比，ρ表示预测框与真实框之间的欧氏距离，ap和ag表示2个预测框与真实框的中心，c表示预测框与真实框闭包区域的对角线距离；为该矩形框是否负责预测一个目标物体，如果是则为1，否则为0，ci为预测框内含有目标物体的置信度，为真实置信度，λboobi为一个权重值，表示当预测框不包含预测目标时，其置信度误差在损失函数中所占权重；pi(c)为第(i，j)预测框属于类别c的概率，为标记框所属类别真实值，如果属于c类则为1，否则为0，α为加权因子，抑制正负样本数量的失衡，引入y控制简单/难区分样本数量失衡，b为锚框的个数；

15、步骤五：对数据集进行训练集和测试集的划分，采用改进的yolov3模型网络对训练集进行训练，训练时采用所述损失函数计算损失，并对模型参数不断优化更新，采用测试集或实际运行数据对识别效果进行验证分析。

16、所述的基于改进yolov3的变压器局部放电诊断方法中，等效时长-等效频率图谱包括多源局部放电的等效时长-等效频率图谱，人工进行边框标注后分别进行类别标签的类型标注，边框标注得到局部放电信号在图谱中的位置，类型标注获得局部放电的放电类型。

17、所述的基于改进yolov3的变压器局部放电诊断方法中，彩色的等效时长-等效频率图谱转化为灰度图像包括所有像素点的灰度值设置为0或255，其中接近白色的像素点灰度值设置为255，接近黑色的像素点灰度值设置为0。

18、所述的基于改进yolov3的变压器局部放电诊断方法中，采用二值化处理与八领域法去除噪点。

19、所述的基于改进yolov3的变压器局部放电诊断方法中，八领域法中，依次遍历灰度图像中所有非白色的像素点并计算其周围8个点中属于非白色点的个数，若数量小于阙值则该点是噪点。

20、所述的基于改进yolov3的变压器局部放电诊断方法中，等效时间-等效频率图谱包括悬浮放电、尖端放电、沿面放电以及气隙放电的特征图谱。

21、所述的基于改进yolov3的变压器局部放电诊断方法中，模型的训练优化采用反向传播算法，当损失函数小于预设值或训练轮数达到预设值时，停止训练。

22、所述的基于改进yolov3的变压器局部放电诊断方法中，对训练好的模型进行验证分析时，一方面采用欧氏距离对其定位误差进行验证，另一方面采用识别准确率对局部放电类型识别的效果进行验证。

23、一种计算机设备包括存储器和处理器，所述处理器执行所述的基于改进yolov3的变压器局部放电诊断方法。

24、一种计算机可读存储介质存储有计算机程序，所述计算机程序执行时实现所述的基于改进yolov3的变压器局部放电诊断方法。

25、基于改进yolov3的变压器局部放电诊断方法实现了变压器多源局部放电的分离和识别，提高变压器局部放电诊断的精度和可靠性。

技术特征：

1.一种基于改进yolov3的变压器局部放电诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，优选的，等效时长-等效频率图谱包括多源局部放电的等效时长-等效频率图谱，人工进行边框标注后分别进行类别标签的类型标注，边框标注得到局部放电信号在图谱中的位置，类型标注获得局部放电的放电类型。

3.根据权利要求1所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，彩色的等效时长-等效频率图谱转化为灰度图像包括所有像素点的灰度值设置为0或255，其中接近白色的像素点灰度值设置为255，接近黑色的像素点灰度值设置为0。

4.根据权利要求1所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，采用二值化处理与八领域法去除噪点。

5.根据权利要求4所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，八领域法中，依次遍历灰度图像中所有非白色的像素点并计算其周围8个点中属于非白色点的个数，若数量小于阙值则该点是噪点。

6.根据权利要求4所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，等效时间-等效频率图谱包括悬浮放电、尖端放电、沿面放电以及气隙放电的特征图谱。

7.根据权利要求1所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，模型的训练优化采用反向传播算法，当损失函数小于预设值或训练轮数达到预设值时，停止训练。

8.根据权利要求1所述的基于改进yolov3的变压器局部放电诊断方法，其特征在于，对训练好的模型进行验证时，一方面采用欧氏距离对其定位误差进行验证，另一方面采用识别准确率对局部放电类型识别的效果进行验证。

9.一种计算机设备，其特征在于，其包括存储器和处理器，所述处理器执行权利要求1-8中任一项所述的基于改进yolov3的变压器局部放电诊断方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序执行时实现权利要求1-8中任一项所述的基于改进yolov3的变压器局部放电诊断方法。

技术总结
一种基于改进YoLov3的变压器局部放电诊断方法、计算机设备及介质，方法中，获得局部放电信号的等效时长‑等效频率图谱，然后对图谱进行预处理，去除无效信息和噪点，采用改进的YOLOv3模型对图谱进行局部放电区域的定位检测和分类，通过对模型的损失函数进行改进，训练时采用改进的损失函数计算损失，并对模型参数不断优化更新，获得多源局部放电诊断模型，采用测试集或实际运行数据对识别效果进行验证分析，输出的结果为带有边框标注和类型标注的图谱，边框标注得到了对应局部放电信号在图谱中的位置，类型标注获得对应单源放电的放电类型。实现了变压器多源局部放电的分离和识别，提高变压器局部放电诊断的精度和可靠性。

技术研发人员：阳瑞霖,莫凡,张培,刘禹,金艳,罗立军,胡蝶,李崇仕,王思嘉,王卫玉,魏加达,赵训新,姜晓峰,张新华,李汉臻
受保护的技术使用者：湖南五凌电力科技有限公司
技术研发日：
技术公布日：2024/1/15