申请/专利权人:国网新疆电力有限公司乌鲁木齐供电公司;太原理工大学
申请日:2023-12-14
公开(公告)日:2024-03-22
公开(公告)号:CN117741359A
主分类号:G01R31/12
分类号:G01R31/12;G06F18/213;G06F18/24;G06F18/25;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明提供一种基于声光电融合图谱的局部放电模式识别的检测方法,通过对局部放电过程中产生的声信号、光信号和电磁波信号进行检测,进行NSCT分解和逆变换得到声光电融合PRPD图谱,最后进行局部放电模式识别,提高局部放电检测的准确性;一种基于声光电融合图谱的局部放电模式识别的检测方法,通过声学传感器、光学传感器和特高频传感器检测电力设备局部放电信号,利用数据采集系统采集表征电晕放电的局部放电信号,得到同一时段的声学局部放电PRPD图谱A、光学局部放电PRPD图谱B以及特高频局部放电PRPD图谱C。
主权项:1.一种基于声光电融合图谱的局部放电模式识别的检测方法,其特征在于,包括以下步骤:⑴通过声学传感器、光学传感器和特高频传感器检测电力设备局部放电信号,利用数据采集系统采集表征电晕放电的局部放电信号,得到同一时段的声学局部放电PRPD图谱A、光学局部放电PRPD图谱B以及特高频局部放电PRPD图谱C;⑵将声学局部放电PRPD图谱A、光学局部放电PRPD图谱B与特高频局部放电PRPD图谱C进行进行灰度化处理和NSCT分解得到对应的低频子图和高频子图,分别采用Sobel算子和模糊逻辑算法、系数模值取最大的方法对低频子图和高频子图进行NSCT融合、NSCT逆变换,得到声光电融合PRPD图谱;⑶对声光电融合PRPD图谱进行特征提取,提取声光电融合图谱的颜色特征、形状特征和纹理特征构成特征向量空间,特征向量经过筛选降维后输入到CNN神经网络中通过卷积进行模式识别。
全文数据:
权利要求:
百度查询: 国网新疆电力有限公司乌鲁木齐供电公司;太原理工大学 一种基于声光电融合图谱的局部放电模式识别的检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。