避雷器集成检测方法和装置与流程

本发明创造涉及变电设备检测，特别是涉及一种避雷器集成检测方法和装置。

背景技术：

1、氧化锌避雷器是电力系统变电站核心过电压保护设备，其绝缘性能、泄漏电流参数直接决定电网运行安全。现阶段变电站避雷器检测主要依赖传统分体式试验设备、人工布线、就地读数的作业模式，结合现有研究及现场应用现状，存在诸多技术缺陷。

2、相关技术方案普遍采用分散式试验仪器，试验前需逐一搬运直流高压发生器、微安表、绝缘工具、电源设备等多类器具，人工完成设备摆放、布线、接地、接线等操作，设备零散、布线繁琐，且变电站站内面积越大、被试设备数量越多，作业耗时越长，工作效率越低。部分技术方案中尝试进行智能化检测，但作业流程非标准化、数据运算人工化的问题仍存在，影响整体检测效率。

3、同时，传统作业中仪器摆放随意，地面不平整易导致高压设备倾倒，绝缘工具易跌落丢失，现场作业规范性差。而在安全防护层面，传统检测电源仅依靠插拔插头实现电源通断，无明显电气断开点，不符合电力安全工作规程要求，且缺乏漏电保护、电压监测功能，易出现过压、漏电引发的设备损坏及人身触电风险。同时，传统微安表多采用有线传输或普通无线传输模式，数据传输易中断，信号干扰下传输成功率低，在高压强电磁环境下的测量精度差，需反复复测，导致高压作业时长增加，带来安全隐患。

4、综上，针对相关技术中避雷器检测效率低，规范性与安全性不足的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明创造实施例提供的一种避雷器集成检测方法和装置，至少解决相关技术中避雷器检测效率低，规范性与安全性不足的问题。

2、本发明创造实施例提供的一种避雷器集成检测方法，包括下列步骤：采集避雷器的原始泄漏电流信号和外观图像；对上述原始泄漏电流信号进行自适应谐波抑制处理，得到真实泄漏电流信号；将上述真实泄漏电流信号输入预训练的重构模型，得到状态诊断结果，其中，上述重构模型采用带残差连接的双向长短期记忆网络自编码器，用于进行重构误差计算与异常程度量化；将上述外观图像输入预训练的识别模型，输出缺陷识别结果，其中，上述识别模型采用移除非极大值抑制的端到端架构；基于以上步骤完成单点位检测后，保留承载平台内部设备连接线，仅拆除外部高压引线与接地线，整体转移上述承载平台，用于执行多点位检测作业。

3、作为一种可选的方案，对上述原始泄漏电流信号进行自适应谐波抑制处理，得到真实泄漏电流信号，包括：基于硬件滤波架构对上述原始泄漏电流信号进行滤波，得到预处理信号；对上述预处理信号进行快速傅里叶变换，提取实时谐波幅值；基于历史谐波统计均值与上述实时谐波幅值自适应迭代更新各次谐波滤波阈值；基于上述各次谐波滤波阈值对上述原始泄漏电流信号进行谐波抑制处理，得到初步校正时域信号；对上述初步校正时域信号进行相位畸变补偿校正处理，得到上述真实泄漏电流信号。

4、作为一种可选的方案，自适应迭代更新各次谐波滤波阈值的公式表示为：

5、；

6、式中，

th(

k)表示第

k次谐波实时动态抑制阈值，

α表示迭代权重系数，

ak_avg表示滑动时间窗口内历史第

k次谐波平均幅值，

ak_real表示当前采样周期fft辨识得到的第

k次谐波实时幅值。

7、作为一种可选的方案，上述硬件滤波架构包括多级rc低通滤波电路，每级rc低通滤波电路均配置高频磁珠；基于硬件滤波架构对上述原始泄漏电流信号进行滤波之前，上述方法还包括：设置多级rc低通滤波电路的截止频率。

8、作为一种可选的方案，上述原始泄漏电流信号的数学模型为：

9、；

10、式中，表示原始泄漏电流信号，表示真实泄漏电流信号，表示谐波干扰分量，表示随机电磁白噪声分量。

11、作为一种可选的方案，将上述真实泄漏电流信号输入预训练的重构模型之前，上述方法还包括：基于双向长短期记忆网络编码器、残差连接层、单向长短期记忆网络解码器建立第一初始模型；基于避雷器正常工况样本，采用无监督方式对上述第一初始模型进行训练，得到上述重构模型，其中，模型损失函数设置有均方误差项、库尔贝克-莱布勒散度项和时序正则项。

12、作为一种可选的方案，将上述真实泄漏电流信号输入预训练的重构模型，得到状态诊断结果，包括：基于上述重构模型计算上述真实泄漏电流信号对应的重构误差，用于表征上述真实泄漏电流信号与正常工况信号的差异大小；基于马氏距离和上述重构误差计算异常分数，其中，上述状态诊断结果包括上述异常分数，上述异常分数表征避雷器运行状态的异常程度。

13、作为一种可选的方案，将上述外观图像输入预训练的识别模型之前，上述方法还包括：基于主干特征提取网络、多尺度双向特征融合网络、检测-分割双分支输出头建立第二初始模型；基于冻结预训练阶段和全参数解冻微调阶段对上述第二初始模型进行训练，得到上述识别模型；其中，在上述冻结预训练阶段，加载通用数据集预训练权重，冻结主干特征提取网络的参数，仅训练多尺度双向特征融合网络以及检测-分割双分支输出头；在上述全参数解冻微调阶段，解锁全部网络权重，采用余弦退火动态学习率衰减策略进行训练，学习率随迭代轮次自适应衰减的公式表示为：

14、；

15、式中，

lrepoch表示当前迭代轮数的学习率，

lrmin表示最小阈值学习率，

lrinit表示初始最大学习率，

epoch表示当前迭代轮数，

etotal表示总迭代轮数。

16、本发明创造实施例还提供一种避雷器集成检测方法，包括：数据采集模块，用于采集避雷器的原始泄漏电流信号和外观图像；谐波抑制模块，用于对上述原始泄漏电流信号进行自适应谐波抑制处理，得到真实泄漏电流信号；诊断模块，用于将上述真实泄漏电流信号输入预训练的重构模型，得到状态诊断结果，其中，上述重构模型采用带残差连接的双向长短期记忆网络编码器，用于进行重构误差计算与异常程度量化；识别模块，用于将上述外观图像输入预训练的识别模型，输出缺陷识别结果，其中，上述识别模型采用移除非极大值抑制的端到端架构；承载平台，集成各模块与全部检测设备，用于在完成单点位检测后，保留内部设备连接线，仅拆除外部高压引线与接地线，整体转移执行多点位检测作业。

17、作为一种可选的方案，上述数据采集模块包括图像采集单元与直流微安表；上述图像采集单元用于采集避雷器的外观图像；上述直流微安表包括相连的表头与手持表，上述表头采用圆弧状外壳，上述表头内置抗干扰电路与蓝牙传输单元，上述手持表内置电流运算单元；上述直流微安表用于获取避雷器的原始泄漏电流信号。

18、本发明创造实施例提供的避雷器集成检测方法，采集避雷器的原始泄漏电流信号和外观图像；对原始泄漏电流信号进行自适应谐波抑制处理，得到真实泄漏电流信号；将真实泄漏电流信号输入预训练的重构模型，得到状态诊断结果，其中，重构模型采用带残差连接的双向长短期记忆网络自编码器，用于进行重构误差计算与异常程度量化；将外观图像输入预训练的识别模型，输出缺陷识别结果，其中，识别模型采用移除非极大值抑制的端到端架构；基于以上步骤完成单点位检测后，保留承载平台内部设备连接线，仅拆除外部高压引线与接地线，整体转移承载平台，用于执行多点位检测作业。可依托集成化移动承载平台、本质安全型电源闸板、蓝牙智能微安表系统，构建标准化、一体化、智能化的避雷器检测作业体系。通过设备集成布局、多重安全防护、蓝牙无线精准传输、自动电流运算，实现变电站避雷器检测快速布设、安全作业、智能采集、精准测算、便捷转场，提升检测效率与作业安全性，适配各类变电站复杂场地与多数量避雷器批量检测场景。以解决相关技术中避雷器检测效率低，规范性与安全性不足的问题。