[发明专利]基于特征量预测的电力设备局部放电严重程度评估方法及系统

摘要

本发明公开了一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其中：训练步骤包括：(1)收集电力设备的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入局部放电特征向量以对其进行训练，以使其输出预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断。

主权项

1.一种基于特征量预测的电力设备局部放电严重程度评估方法，其包括训练步骤和评估步骤，其特征在于：所述训练步骤包括：(1)收集电力设备在距设定指定日期之前第一指定时间段内的案例PRPS图谱数据；(2)对收集的案例PRPS图谱数据进行预处理；(3)采用自编码器提取所述第一指定时间段内的经过预处理的案例PRPS图谱数据的局部放电特征向量；(4)构建门控循环单元模块，输入所述第一指定时间段内的局部放电特征向量以对其进行训练，以使其输出设定指定日期之后第二指定时间段的预测局部放电特征向量；(5)构建基于卷积神经网络的故障二分类模块，采用所述预测局部放电特征向量作为输入以对其进行训练，以使其基于预测局部放电特征向量所表征的故障概率值而输出该预测局部放电特征向量是否表征电力设备故障的判断；所述评估步骤包括：(a)采集电力设备在距预测指定日期之前所述第一指定时间段内的PRPS图谱数据；(b)对PRPS图谱数据进行预处理；(c)采用所述自编码器提取所述第一指定时间段内的经过预处理的PRPS图谱数据的局部放电特征向量；(d)将提取的局部放电特征向量输入所述门控循环单元模块，其输出预测指定日期之后所述第二指定时间段的预测局部放电特征向量；(e)将预测局部放电特征向量输入所述故障二分类模块，故障二分类模块输出电力故障发生故障的概率值，并且根据所述概率值评估电力设备的局部放电严重程度；所述概率值越大，局部放电越严重。