基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法及系统与流程

本发明属于电力设备绝缘状态监测，具体涉及一种基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法及系统。

背景技术：

1、互感器是电力系统的关键设备，其绝缘老化直接影响电网安全。目前主要通过停电取样测量绝缘纸聚合度（dp值）来评估老化程度，该方法操作繁琐、时效性差且破坏设备密封。

2、现有技术尝试采用红外或拉曼等单一光谱进行非接触检测，但存在明显缺陷：单一光谱特征信息有限，难以全面反映老化特征；且光谱数据维度高、噪声大，变量间多重共线性严重，导致传统建模方法预测精度低、鲁棒性差。此外，现有方法缺乏对聚合度的精准量化及分级预警能力。

3、因此，亟需一种融合多光谱优势、具备强抗噪能力且能精准量化绝缘老化程度的非接触式智能判断方法。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法，以解决现有技术中依赖停电取样、单一光谱特征不全、高维光谱数据共线性强及预测模型抗噪能力弱的问题。

2、第一方面，本申请实施例提供一种基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法，所述方法包括：

3、非接触式采集待测互感器绝缘油样品的傅里叶变换红外光谱和拉曼光谱，分别进行预处理，得到标准化的一维光谱数据；

4、将两种光谱沿变量维度拼接后输入具有单隐含层的预训练神经网络，基于各光谱变量与绝缘纸聚合度的相关性及变量间共线性构建目标函数进行预训练，输出变量权重并对拼接光谱进行逐变量加权，实现中级数据融合生成加权组合光谱；

5、将所述加权组合光谱输入由多个残差收缩模块堆叠构成的深度残差收缩网络，各模块依次对输入特征图执行卷积提取、自适应生成各通道收缩阈值、基于所述收缩阈值进行软阈值化降噪及残差连接操作，经末模块输出最终多通道特征图；

6、将所述最终多通道特征图经池化层、展平层及全连接层进行回归计算，输出绝缘纸聚合度预测值；

7、将所述绝缘纸聚合度预测值与预设老化阈值进行比较，判定互感器绝缘老化状态，并输出非接触式评估结果。

8、第二方面，本申请实施例提供一种基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断系统，应用于如第一方面所述的方法，所述系统包括：

9、光谱采集模块，用于非接触式采集待测互感器绝缘油样品的傅里叶变换红外光谱和拉曼光谱，分别进行预处理，得到标准化的一维光谱数据；

10、数据融合模块，用于将两种光谱沿变量维度拼接后输入具有单隐含层的预训练神经网络，基于各光谱变量与绝缘纸聚合度的相关性及变量间共线性构建目标函数进行预训练，输出变量权重并对拼接光谱进行逐变量加权，实现中级数据融合生成加权组合光谱；

11、深度特征提取模块，用于将所述加权组合光谱输入由多个残差收缩模块堆叠构成的深度残差收缩网络，各模块依次对输入特征图执行卷积提取、自适应生成各通道收缩阈值、基于所述收缩阈值进行软阈值化降噪及残差连接操作，经末模块输出最终多通道特征图；

12、老化程度回归模块，用于将所述最终多通道特征图经池化层、展平层及全连接层进行回归计算，输出绝缘纸聚合度预测值；

13、老化状态判定模块，用于将所述绝缘纸聚合度预测值与预设老化阈值进行比较，判定互感器绝缘老化状态，并输出非接触式评估结果。

14、第三方面，本申请实施例提供一种电子设备，包括：

15、处理器；

16、用于存储处理器可执行指令的存储器；

17、其中，所述处理器被配置为执行所述指令时实现如第一方面所述的基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法。

18、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序，所述程序指示设备执行如第一方面所述的基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法。

19、本发明的有益效果是：采用非接触式光谱采集，无需停电取样，避免了油样污染，实现了绝缘状态的快速评估。融合红外光谱与拉曼光谱信息，结合相关性增强与共线性抑制机制，有效剔除了冗余变量，提升了数据质量。引入带软阈值化的深度残差收缩网络，自适应滤除噪声特征，解决了光谱信号弱及背景干扰强的难题，显著提高了聚合度预测的精度和鲁棒性。将聚合度数值转化为直观的老化等级，并输出维护建议，为电力设备的状态检修提供了科学的决策依据。

1.一种基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对傅里叶变换红外光谱和拉曼光谱分别进行预处理，具体包括：

3.根据权利要求1所述的方法，其特征在于，所述基于各光谱变量与绝缘纸聚合度的相关性及变量间共线性构建目标函数进行预训练，具体包括：

4.根据权利要求3所述的方法，其特征在于，所述对拼接光谱进行逐变量加权，实现中级数据融合生成加权组合光谱，具体包括：

5.根据权利要求1所述的方法，其特征在于，所述各模块依次对输入特征图执行卷积提取、自适应生成各通道收缩阈值、基于所述收缩阈值进行软阈值化降噪及残差连接操作，具体包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述收缩阈值对各通道特征图执行软阈值化操作，具体包括：

7.根据权利要求1所述的方法，其特征在于，所述将所述最终多通道特征图经池化层、展平层及全连接层进行回归计算，输出绝缘纸聚合度预测值，具体包括：

8.根据权利要求7所述的方法，其特征在于，在所述末层全连接层输出绝缘纸聚合度预测值之前，还包括损失函数约束步骤：

9.根据权利要求1所述的方法，其特征在于，所述将所述绝缘纸聚合度预测值与预设老化阈值进行比较，判定互感器绝缘老化状态，并输出非接触式评估结果，具体包括：

10.一种基于多光谱图像融合与深度残差网络的互感器绝缘老化程度非接触式判断系统，应用于如权利要求1至9任一项所述的方法，其特征在于，所述系统包括：