一种电缆局部放电模式的识别方法、装置、电子设备及存储介质与流程

本发明涉及电缆状态检测，具体涉及一种电缆局部放电模式的识别方法、装置、电子设备及存储介质。

背景技术：

1、高压电缆是电力系统输送电能的核心枢纽设备，电缆内部的绝缘状态直接决定电力网络的安全稳定运行水平。局部放电是反映电缆绝缘层早期微小缺陷的关键物理表征，准确识别电缆局部放电模式能够有效评估电缆绝缘老化程度并提前预警潜在的击穿故障。精准定位并识别不同的局部放电模式类型，使得电力检修人员能够及时采取针对性的设备维护措施，进而避免突发电缆绝缘击穿事故以及大规模停电事件的发生，确保电力系统持续可靠供电。

2、目前基于深度学习的电缆局部放电模式识别方法在模型训练阶段难以精准提取有效特征，造成局部放电模式的识别准确率较低。产生识别准确率较低的原因在于，电缆的局部放电密度图在空间分布上呈现极强的稀疏特性，表征故障类型的关键信息高度集中在少数高密度脉冲簇区域内，而其余大面积区域均为低价值的背景噪声。现有的模型训练机制在对局部放电密度图进行图谱块遮挡处理以供模型学习时，普遍采用随机且无差异的图谱块抽样遮挡策略。随机抽样遮挡策略完全忽略了高密度脉冲簇的空间分布差异，导致大量无效的背景噪声区域被错误当作关键特征进行学习，或者致使真正包含核心放电信息的高密度脉冲簇区域被过度遮挡破坏。局部放电识别模型在训练过程中无法精准聚焦并提取到有效的高密度脉冲簇结构特征，严重削弱了模型对不同局部放电模式的特征表达能力与最终分类识别精度。

技术实现思路

1、本发明实施例提供一种电缆局部放电模式的识别方法、装置、电子设备及存储介质，能够解决现有技术中电缆局部放电模式的识别不够准确的问题。

2、本发明一实施例提供了一种电缆局部放电模式的识别方法，包括：

3、获取待测电缆的待测局部放电密度图；

4、将待测局部放电密度图输入预设的局部放电识别模型中，以使局部放电识别模型根据待测局部放电密度图，生成待测电缆放电模式的识别结果；其中，所述局部放电识别模型根据各待遮挡图谱块集合进行训练；

5、通过以下方式构建各待遮挡图谱块集合：

6、获取电缆样本的多个无标签的第一局部放电密度图；

7、对于每一第一局部放电密度图，提取当前第一局部放电密度图的高密度区域，生成当前第一局部放电密度图的各候选脉冲簇；

8、将当前第一局部放电密度图划分为多个图谱块；计算各候选脉冲簇在各图谱块内的覆盖率，生成各图谱块的簇覆盖率；

9、根据各图谱块的簇覆盖率，为各图谱块分配抽样权重，生成各图谱块的抽样权重；

10、根据各图谱块的抽样权重对各图谱块进行抽样，生成当前第一局部放电密度图的待遮挡图谱块集合。

11、进一步的，所述局部放电识别模型的训练包括预训练阶段；

12、所述预训练阶段，包括：

13、根据各第一局部放电密度图以及对应的待遮挡图谱块集合，构建多个预训练样本；

14、将各预训练样本依次输入特征编码网络和重构解码网络中，对特征编码网络进行预训练，直至达到预设的训练次数，生成预训练特征编码网络；

15、其中，在每接收一预训练样本时，基于当前预训练样本中的待遮挡图谱块集合对第一局部放电密度图进行遮挡，生成当前掩码后密度图；

16、将当前掩码后密度图输入特征编码网络进行特征提取，生成当前局放图谱特征；

17、将当前局放图谱特征输入重构解码网络，生成当前重构密度图；

18、根据当前重构密度图和当前预训练样本中的第一局部放电密度图，通过重构损失函数计算预训练损失值；

19、根据预训练损失值对特征编码网络进行更新。

20、进一步的，对于每一第一局部放电密度图，提取当前第一局部放电密度图的高密度区域，生成当前第一局部放电密度图的各候选脉冲簇，包括：

21、对于每一第一局部放电密度图，对当前第一局部放电密度图进行滤波平滑处理，生成平滑密度图；

22、根据预设的密度阈值，对平滑密度图进行二值化处理，生成二值密度图；

23、对二值密度图进行连通域分析，确定二值密度图中的各初始连通域，并确定各初始连通域的像素面积；

24、将像素面积大于或等于预设的面积下限的初始连通域确定为高密度区域；

25、将各高密度区域，作为当前第一局部放电密度图的各候选脉冲簇。

26、进一步的，将当前第一局部放电密度图划分为多个图谱块；计算各候选脉冲簇在各图谱块内的覆盖率，生成各图谱块的簇覆盖率，包括：

27、按照预设图谱块尺寸对当前第一局部放电密度图进行网格划分，生成各图谱块；

28、统计各图谱块内属于各候选脉冲簇的像素数量；

29、计算像素数量与各图谱块的总像素数量的比值，生成各图谱块的簇覆盖率。

30、进一步的，根据各图谱块的簇覆盖率，为各图谱块分配抽样权重，生成各图谱块的抽样权重，包括：

31、将簇覆盖率大于或等于预设的覆盖率阈值的图谱块划分为簇引导块，将簇覆盖率小于预设覆盖率阈值的图谱块划分为背景块；

32、为簇引导块分配第一抽样权重，为背景块分配第二抽样权重，生成各图谱块的抽样权重；其中，第一抽样权重小于第二抽样权重。

33、进一步的，根据各图谱块的抽样权重对各图谱块进行抽样，生成当前第一局部放电密度图的待遮挡图谱块集合，包括：

34、根据预设的总体掩码比例和各图谱块的总数量，确定待遮挡图谱块数量；

35、按照各图谱块的抽样权重，对各图谱块进行带权不放回随机抽样，抽取与待遮挡图谱块数量匹配的图谱块，生成初始图谱块组合；

36、重复执行掩码调整操作，直至不存在任意候选脉冲簇的可见比例低于预设的最小可见比例，生成当前第一局部放电密度图的待遮挡图谱块集合；

37、其中，所述掩码调整操作，包括：

38、计算各候选脉冲簇在当前第一局部放电密度图中未被当前图谱块组合覆盖的占比，生成各候选脉冲簇的可见比例；其中，首次执行掩码调整操作的当前图谱块组合为初始图谱块组合；

39、判断是否存在任意候选脉冲簇的可见比例低于预设的最小可见比例；

40、若是，将可见比例低于预设的最小可见比例的候选脉冲簇作为各过度遮挡脉冲簇；

41、计算各过度遮挡脉冲簇与当前图谱块组合中各图谱块的重叠像素数量，生成各图谱块的重叠像素数量；

42、从当前图谱块组合中剔除重叠像素数量最大的图谱块，生成剩余图谱块组合；

43、将剩余图谱块组合更新为当前图谱块组合；

44、若否，将当前图谱块组合作为当前第一局部放电密度图的待遮挡图谱块集合。

45、进一步的，所述局部放电识别模型的训练还包括微调阶段；

46、所述微调阶段，包括：

47、获取若干带有局放模式标签的第二局放密度图；

48、构建与各第二局放密度图尺寸匹配的全零掩码图；

49、根据各第二局放密度图、全零掩码图以及对应的局放模式标签，构建若干微调样本；

50、将各微调样本依次输入至预训练特征编码网络和初始分类网络中，固定预训练特征编码网络的网络参数，仅对初始分类网络进行训练，直至初始分类网络满足预设的稳定条件；

51、解冻预训练特征编码网络的后部网络参数，继续将各微调样本依次输入至预训练特征编码网络和初始分类网络中进行联合微调，直至达到预设的训练次数；

52、其中，预训练特征编码网络和初始分类网络在每接收一微调样本时，输出微调样本对应的预估分类结果；根据预估分类结果以及对应的局放模式标签，通过分类损失函数计算分类损失值；根据分类损失值对相应的网络进行更新，生成局部放电识别模型。

53、在上述方法项实施例的基础上，本发明对应提供了装置项实施例。

54、本发明一实施例提供了一种电缆局部放电模式的识别装置，包括：数据获取模块和模式识别模块；

55、所述数据获取模块，用于获取待测电缆的待测局部放电密度图；

56、所述模式识别模块，用于将待测局部放电密度图输入预设的局部放电识别模型中，以使局部放电识别模型根据待测局部放电密度图，生成待测电缆放电模式的识别结果；其中，所述局部放电识别模型根据各待遮挡图谱块集合进行训练；

57、通过以下方式构建各待遮挡图谱块集合：

58、获取电缆样本的多个无标签的第一局部放电密度图；

59、对于每一第一局部放电密度图，提取当前第一局部放电密度图的高密度区域，生成当前第一局部放电密度图的各候选脉冲簇；

60、将当前第一局部放电密度图划分为多个图谱块；计算各候选脉冲簇在各图谱块内的覆盖率，生成各图谱块的簇覆盖率；

61、根据各图谱块的簇覆盖率，为各图谱块分配抽样权重，生成各图谱块的抽样权重；

62、根据各图谱块的抽样权重对各图谱块进行抽样，生成当前第一局部放电密度图的待遮挡图谱块集合。

63、在上述方法项实施例的基础上，本发明对应提供了电子设备项实施例。

64、本发明一实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述方法项实施例中任一项所述电缆局部放电模式的识别方法。

65、在上述方法项实施例的基础上，本发明对应提供了存储介质项实施例。

66、本发明一实施例提供了一种存储介质，其上存储有计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行上述方法项实施例中任一项所述电缆局部放电模式的识别方法。

67、与现有技术对比，本发明具有如下有益效果：

68、本发明实施例提供一种电缆局部放电模式的识别方法、装置、电子设备及存储介质。所述方法获取待测电缆的局部放电密度图，并输入预设的局部放电识别模型，输出电缆放电模式识别结果；其中，局部放电识别模型通过多个待遮挡图谱块集合训练得到，具体包括：获取电缆样本的无标签局部放电密度图，提取高密度区域生成候选脉冲簇；将局部放电密度图划分为多个图谱块，计算各图谱块的脉冲簇覆盖率，并根据覆盖率分配抽样权重；基于抽样权重选取待遮挡图谱块，构建多个待遮挡图谱块集合用于模型训练。

69、本发明通过提取第一局部放电密度图的高密度区域生成候选脉冲簇，并计算候选脉冲簇在各图谱块内的覆盖率来分配抽样权重，解决了现有随机抽样遮挡策略完全忽略高密度脉冲簇空间分布差异的技术问题。进一步地，本发明根据上述抽样权重对图谱块进行针对性抽样以生成待遮挡图谱块集合，有效避免了大量无效背景噪声区域被错误学习，同时防止了包含核心放电信息的高密度脉冲簇被过度遮挡，使得基于待遮挡图谱块集合训练出的局部放电识别模型，能够精准聚焦并提取高密度脉冲簇的有效结构特征，从而显著提升了电缆局部放电模式的最终识别准确率。