[发明专利]基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法

权利要求书

1.一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法，包括：

步骤1：同步采集悬式绝缘子放电过程中的紫外视频、泄漏电流信号及声发射信号并进行预处理，构成样本库中的三维样本点；

步骤2：综合放电过程中的紫外放电参量、泄漏电流参量、声发射信号参量采用K-means算法将全部放电过程分级成四类，分别为轻微电晕放电、强烈电晕放电、电弧放电、临近闪络放电，建立包含训练集、测试集、验证集的绝缘子放电严重程度紫外视频样本库；

步骤3：将训练集中的视频送入MiCT网络中进行训练和高维特征组合学习，得到绝缘子放电严重程度的时间和空间特征；

步骤4：反复进行前向及反向运算，通过观察模型在验证集上的表现进行超参数调整得到权重文件，保存权重文件供绝缘子放电严重程度评估时使用；

步骤5：将测试集中的视频送入训练好的深度学习网络中，经所述步骤一中的预处理后的测试视频通过调用步骤四中的权重文件即可实现对测试视频的分类。

2.根据权利要求1所述的一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法，其特征在于：对所述采集悬式绝缘子放电过程中的紫外视频进行预处理包括对视频分辨率、帧率、时长进行统一。

3.根据权利要求1所述的一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法，其特征在于：所述综合放电过程中的紫外放电参量、泄漏电流参量、声发射信号参量包括放电过程中的紫外光子数均值、光斑面积均值、泄漏电流峰值以及相对声压级值。

4.根据权利要求1所述的一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法，其特征在于：四类放电等级包括轻微电晕放电、强烈电晕放电、电弧放电、临近闪络放电，分别标注其四类放电严重程度为轻微电晕放电、强烈电晕放电、电弧放电、临近闪络放电。

5.根据权利要求1所述的一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法，其特征在于：根据放电过程中的紫外放电参量、泄漏电流参量、声发射信号参量所形成的三维样本点，采用K-means算法进行聚类，根据聚类结果对紫外视频进行标注；所述步骤2所采用的K-means算法流程如下：

1)输入的样本集D＝{d₁,d₂,…d₃}，迭代误差δ，选择4个样本点为初始聚类中心；

2)计算各样本点与所选聚类中心的距离，该距离采用欧式距离平方：

3)计算样本与其所属类的中心之间的距离总和为损失函数：

4)每次迭代调整聚类中心位置，使损失函数值小于指定值，此时聚类效果最好：

6.根据权利要求1所述的一种基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法，其特征在于：根据深度学习模型在验证集上的表现调整超参数，采用Pytorch平台对误差项进行计算调优，使loss值尽可能减小，当误差值小于给定值或经过指定训练轮次后即认为网络权重值达到最优，保存网络权重。

7.将权利要求1-6任一所述的基于紫外视频和深度学习的悬式绝缘子放电严重程度评估方法应用于电气设备外绝缘的放电严重程度智能评估系统。