开关柜的局部放电检测方法、装置及存储介质与流程

1.本技术实施例涉及电力设备技术领域，尤其涉及一种开关柜的局部放电检测方法、装置及存储介质。


背景技术：

2.开关柜的局部放电是高压电气设备常见的一种故障现象，会造成设备严重受损，所以对开关柜的局部放电检测显得尤为重要。目前，常用的开关柜的局部放电检测方法为超声波检测法或者地电波检测法，可以基于超声波波形信号或地电波信号对开关柜进行局部放电检测。
3.然而，基于现有的开关柜的局部放电检测方法得到的局部放电检测结果的准确率较低。


技术实现要素：

4.本技术提供一种开关柜的局部放电检测方法、装置及存储介质，可以提高得到的局部放电检测结果的准确率。
5.为达到上述目的，本技术采用如下技术方案：
6.第一方面，本技术提供一种开关柜的局部放电检测方法，包括：获取待测开关柜在预设时长内的超声波波形信号和prpd图谱；对超声波波形信号进行预处理得到超声波信号频谱，并且基于prpd图谱中的局部放电数据得到灰度图像；调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理，确定待测开关柜的局部放电检测结果。
7.本技术提供的技术方案中，可以基于预先训练的卷积神经网络模型得到待测开关柜的局部放电检测结果，无需人为依靠经验对获取到的超声波波形信号和prpd图谱进行判断，这样，可以避免人为因素对局部放电检测结果的影响，提高得到的局部放电检测结果的准确率，且可以提高局部放电检测的检测效率。并且，由于卷积神经网络模型对图像信息识别时的适应性更高，识别效果更好，所以，本技术可以将基于prpd图谱得到的灰度图像作为卷积神经网络模型的一种输入特征，这样，可以进一步提高卷积神经网络模型输出的局部放电检测结果的准确率。另外，本技术中还可以基于超声波波形信号和prpd图谱得到超声波信号频谱和灰度图像，结合信号频谱和灰度图像两种不同类型的信息确定局部放电检测结果，可以进一步提高得到的局部放电检测结果的准确率。
8.可选的，在一种可能的设计方式中，上述“调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理”之前，本技术提供的开关柜的局部放电检测方法还可以包括通过如下方式得到卷积神经网络模型：
9.获取样本训练集；样本训练集包括n个样本数据组，样本数据组包括样本超声波信号频谱、样本灰度图像和样本局部放电检测结果；n为正整数；
10.基于卷积神经网络算法对样本训练集进行训练，得到卷积神经网络模型；卷积神经网络算法包括一维卷积神经网络和二维卷积神经网络。
11.可选的，在另一种可能的设计方式中，上述“对超声波波形信号进行预处理得到超声波信号频谱”可以包括：
12.对超声波波形信号进行分帧加窗处理，得到短时信号；
13.对短时信号进行时频转换得到超声波信号频谱。
14.可选的，在另一种可能的设计方式中，局部放电数据至少包括：工频相位、局部放电次数以及局部放电脉冲信号幅度，上述“基于prpd图谱中的局部放电数据得到灰度图像”，可以包括：
15.以局部放电脉冲信号幅度为纵轴，划分l个区间，且以工频相位为横轴，划分k个区间，得到二维坐标轴中的l
×
k个子区间；l和k均为正整数；
16.确定每个子区间的局部放电次数，并对局部放电次数进行归一化处理；
17.基于预设灰度值和经归一化处理后的局部放电次数确定每个子区间对应的灰度值；
18.基于每个子区间对应的灰度值确定灰度图像。
19.可选的，在另一种可能的设计方式中，局部放电检测结果至少包括局部放电概率，上述“确定待测开关柜的局部放电检测结果”之后，本技术提供的局部放电检测方法还可以包括：
20.在确定待测开关柜的局部放电概率大于或等于预设数值的情况下，获取待测开关柜上设置的至少三个超声波麦克风中每两个超声波麦克风采集到放电信号的时间差；
21.基于时间差和至少三个超声波麦克风的位置确定局部放电位置。
22.可选的，在另一种可能的设计方式中，上述“确定待测开关柜的局部放电检测结果”之后，本技术提供的局部放电检测方法还可以包括：
23.获取待测开关柜上均匀部署的温度传感器采集到的温度；
24.基于温度传感器的位置和温度传感器采集到的温度，确定热分布图；
25.基于热分布图、时间差和至少三个超声波麦克风的位置，确定局部放电位置。
26.可选的，在另一种可能的设计方式中，局部放电检测结果至少可以包括：局部放电概率、局部放电类型和放电程度。
27.第二方面，本技术提供一种开关柜的局部放电检测装置，获取模块、处理模块和确定模块；
28.获取模块，用于获取待测开关柜在预设时长内的超声波波形信号和prpd图谱；
29.处理模块，用于对超声波波形信号进行预处理得到超声波信号频谱，并且基于prpd图谱中的局部放电数据得到灰度图像；
30.确定模块，用于调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理，确定待测开关柜的局部放电检测结果。
31.可选的，在一种可能的设计方式中，本技术提供的局部放电检测装置还可以包括训练模块；
32.获取模块，还用于在处理模块调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理之前，获取样本训练集；样本训练集包括n个样本数据组，样本数据组包括样本超声波信号频谱、样本灰度图像和样本局部放电检测结果；n为正整数；
33.训练模块，用于基于卷积神经网络算法对样本训练集进行训练，得到卷积神经网
络模型；卷积神经网络算法包括一维卷积神经网络和二维卷积神经网络。
34.可选的，在另一种可能的设计方式中，处理模块具体用于：
35.对超声波波形信号进行分帧加窗处理，得到短时信号；
36.对短时信号进行时频转换得到超声波信号频谱。
37.可选的，在另一种可能的设计方式中，局部放电数据至少包括：工频相位、局部放电次数以及局部放电脉冲信号幅度，处理模块具体用于：
38.以局部放电脉冲信号幅度为纵轴，划分l个区间，且以工频相位为横轴，划分k个区间，得到二维坐标轴中的l
×
k个子区间；l和k均为正整数；
39.确定每个子区间的局部放电次数，并对局部放电次数进行归一化处理；
40.基于预设灰度值和经归一化处理后的局部放电次数确定每个子区间对应的灰度值；
41.基于每个子区间对应的灰度值确定灰度图像。
42.可选的，在另一种可能的设计方式中，局部放电检测结果至少包括局部放电概率；
43.获取模块，还用于在确定模块确定待测开关柜的局部放电概率大于或等于预设数值的情况下，获取待测开关柜上设置的至少三个超声波麦克风中每两个超声波麦克风采集到放电信号的时间差；
44.确定模块，还用于基于时间差和至少三个超声波麦克风的位置确定局部放电位置。
45.可选的，在另一种可能的设计方式中，获取模块还用于，在确定模块确定待测开关柜的局部放电检测结果之后，获取待测开关柜上均匀部署的温度传感器采集到的温度；
46.确定模块，还用于基于温度传感器的位置和获取模块获取的温度传感器采集到的温度，确定热分布图；
47.确定模块，还用于基于热分布图、时间差和至少三个超声波麦克风的位置，确定局部放电位置。
48.可选的，在另一种可能的设计方式中，局部放电检测结果至少可以包括：局部放电概率、局部放电类型和放电程度。
49.第三方面，本技术提供一种开关柜的局部放电检测装置，包括存储器、处理器、总线和通信接口；存储器用于存储计算机执行指令，处理器与存储器通过总线连接；当开关柜的局部放电检测装置运行时，处理器执行存储器存储的计算机执行指令，以使开关柜的局部放电检测装置执行如上述第一方面提供的开关柜的局部放电检测方法。
50.可选的，该开关柜的局部放电检测装置可以是用于实现开关柜的局部放电检测的物理机，也可以是物理机中的一部分装置，例如可以是物理机中的芯片系统。该芯片系统用于支持开关柜的局部放电检测装置实现第一方面中所涉及的功能，例如，接收，发送或处理上述开关柜的局部放电检测方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
51.第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行指令时，使得计算机执行如第一方面提供的开关柜的局部放电检测方法。
52.第五方面，本技术提供一种计算机程序产品，该计算机程序产品包括计算机指令，
当计算机指令在计算机上运行时，使得计算机执行如第一方面提供的开关柜的局部放电检测方法。
53.需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与开关柜的局部放电检测装置的处理器封装在一起的，也可以与开关柜的局部放电检测装置的处理器单独封装，本技术对此不做限定。
54.本技术中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
55.在本技术中，上述开关柜的局部放电检测装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本技术类似，属于本技术权利要求及其等同技术的范围之内。
56.本技术的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
57.图1为本技术实施例提供的一种开关柜的局部放电检测方法的流程示意图；
58.图2为本技术实施例提供的一种卷积神经网络模型的结构示意图；
59.图3为本技术实施例提供的另一种开关柜的局部放电检测方法的流程示意图；
60.图4为本技术实施例提供的又一种开关柜的局部放电检测方法的流程示意图；
61.图5为本技术实施例提供的又一种开关柜的局部放电检测方法的流程示意图；
62.图6为本技术实施例提供的一种开关柜的局部放电检测装置的结构示意图；
63.图7为本技术实施例提供的另一种开关柜的局部放电检测装置的结构示意图。
具体实施方式
64.下面结合附图对本技术实施例提供的开关柜的局部放电检测方法、装置及存储介质进行详细地描述。
65.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
66.本技术的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
67.此外，本技术的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
68.需要说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
69.在本技术的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
70.开关柜的局部放电是高压电气设备常见的一种故障现象，会造成设备严重受损，
所以对开关柜的局部放电检测显得尤为重要。目前，常用的开关柜的局部放电检测方法为超声波检测法或者地电波检测法，可以基于超声波波形信号或地电波信号对开关柜进行局部放电检测。
71.然而，现有的超声波检测法或者地电波检测法只能提供单一指标及阈值告警，得到局部放电检测结果还需依靠人工经验进行判断，导致局部放电检测结果的准确性和可靠性无法得到保障。所以，亟待提出一种可以提高局部放电检测结果准确率的开关柜的局部放电检测方法。
72.针对上述现有技术中存在的问题，本技术实施例提供了一种开关柜的局部放电检测方法，该方法可以通过预先训练的卷积神经网络模型得到待测开关柜的局部放电检测结果，可以避免人为因素对局部放电检测结果的影响，提高得到的局部放电检测结果的准确率。并且，将基于相位分辩的局部放电(phase resolved partial discharge，prpd)图谱得到的灰度图像作为卷积神经网络模型的一种输入特征，可以进一步提高卷积神经网络模型输出的局部放电检测结果的准确率。
73.本技术实施例提供的开关柜的局部放电检测方法可以适用于开关柜的局部放电检测系统。示例性的，开关柜的局部放电检测系统可以包括开关柜的局部放电检测装置、由多个超声波麦克风组成的超声波麦克风阵列以及地电波传感器。
74.其中，超声波麦克风阵列可以设置在开关柜上，用于采集超声波波形信号；地电波传感器可以设置在开关柜上，用于采集开关柜发生局部放电时的局部放电数据。
75.可选的，开关柜的局部放电检测系统还可以包括均匀部署在开关柜上的多个温度传感器，用于采集开关柜不同位置处的温度。
76.开关柜的局部放电检测装置，可以为物理机(如服务器)，也可以为部署在物理机上的虚拟机(virtual machine，vm)。
77.开关柜的局部放电检测装置用于获取超声波麦克风阵列和地电波传感器对待测开关柜的采集数据，并对采集数据进行处理，将处理得到的超声波信号频谱和灰度图像作为特征信号输入预先训练的卷积神经网络模型，得到待测开关柜的局部放电检测结果。
78.本技术实施例提供的开关柜的局部放电检测方法的执行主体可以为开关柜的局部放电检测装置，下面结合附图对本技术实施例提供的开关柜的局部放电检测方法进行说明。
79.参照图1，本技术实施例提供的开关柜的局部放电检测方法包括s101-s103：
80.s101、获取待测开关柜在预设时长内的超声波波形信号和prpd图谱。
81.为了避免得到的开关柜的局部放电检测结果的偶然性，从而提高得到的局部放电检测结果的准确率，本技术实施例可以结合超声波波形信号和prpd图谱两种不同类型的特征信号确定开关柜的局部放电检测结果。
82.预设时长可以是人为事先确定的时长。比如，预设时长可以为3秒，本技术实施例对此不做限定。
83.其中，超声波波形信号可以从超声波麦克风阵列获取。示例性的，可以在待测开关柜上设置由多个超声波麦克风组成的超声波麦克风阵列。当超声波麦克风阵列中超声波麦克风的数量较多时，会增加布线难度，所以，优选的，超声波麦克风阵列可以由3个超声波麦克风组成。
84.在一种可能的实现方式中，可以从具备生成prpd图谱功能的地电波传感器获取prpd图谱，该地电波传感器同样设置于待测开关柜上。在另一种可能的实现方式中，也可以对地电波传感器采集到的信息通过软件处理得到prpd图谱。具体获取prpd图谱的方式可以参照现有技术中的相关描述，本技术实施例对此不做限定。
85.s102、对超声波波形信号进行预处理得到超声波信号频谱，并且基于prpd图谱中的局部放电数据得到灰度图像。
86.本技术实施例提供的开关柜的局部放电检测方法可以基于卷积神经网络模型得到局部放电检测结果，而卷积神经网络模型对图像信息识别时的适应性更高，识别效果更好，所以，本技术实施例可以基于prpd图谱得到灰度图像，然后将得到的灰度图像作为卷积神经网络模型的一种输入特征，这样，可以进一步提高卷积神经网络模型输出的局部放电检测结果的准确率。
87.可选的，本技术实施例可以对超声波波形信号进行分帧加窗处理，得到短时信号；然后对短时信号进行时频转换得到超声波信号频谱。
88.超声波波形信号整体上是不稳定的，但是在一定帧长内是具有平稳性的，所以，本技术实施例可以对超声波波形信号进行分帧处理，将超声波波形信号分割为多个子信号。示例性的，在预设时长为3秒，也即是超声波波形信号为时长3秒的波形信号的情况下，可以以10毫秒到30毫秒中的任意时长为单位对超声波波形信号进行分帧处理。
89.另外，为了减少信号旁瓣泄露，降低分帧处理得到的子信号与原超声波波形信号的误差，本技术实施例还可以对分帧处理得到的子信号进行加窗处理。示例性的，本技术实施例可以采用汉明窗对分帧处理得到的子信号进行加窗处理，其中窗口大小可以取25毫秒，帧移可以取10毫秒，窗函数w
ham
(n)可以为表达式(1)：
[0090][0091]
其中，n为汉明窗长度，n为帧数，α和β为常数，α＝0.538，β＝0.462，并且0≤n≤n-1。
[0092]
由于频域分析相比于时域分析可以更容易看出信号的特性以及噪声或干扰等信息，所以为了进一步提高得到的局部放电检测结果的准确率，本技术实施例可以对分帧加窗处理得到的短时信号进行时频转换得到超声波信号频谱。另外，由于获取到的超声波波形信号为经过模数转换的离散信号，所以可以采用短时傅里叶变换(short-time fourier transform，stft)对分帧加窗处理得到的各段短时信号进行时频转换得到超声波信号频谱。
[0093]
可选的，本技术实施例从prpd图谱中得到的局部放电数据至少可以包括：工频相位、局部放电次数以及局部放电脉冲信号幅度；并且可以通过如下方式得到灰度图像：以局部放电脉冲信号幅度为纵轴，划分l个区间，且以工频相位为横轴，划分k个区间，得到二维坐标轴中的l
×
k个子区间；l和k均为正整数；确定每个子区间的局部放电次数，并对局部放电次数进行归一化处理；基于预设灰度值和经归一化处理后的局部放电次数确定每个子区间对应的灰度值；基于每个子区间对应的灰度值确定灰度图像。
[0094]
示例性的，可以基于表达式(2)对各个子区间的局部放电次数进行归一化处理：
[0095][0096]
其中，a
l，k
表示当前子区间的实际的局部放电次数，a
max
表示所有子区间中局部放电次数最多的一个子区间的局部放电次数，a
′
l，k
表示归一化处理后的局部放电次数。
[0097]
示例性的，可以基于表达式(3)确定每个子区间对应的灰度值：
[0098]arbg
＝(1-a
′
l，k
)
×rꢀꢀꢀ
(3)
[0099]
其中，a
rbg
表示当前子区间的像素的灰度值，r表示预设灰度值，预设灰度值可以是最大灰度值，也即是r＝255。
[0100]
s103、调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理，确定待测开关柜的局部放电检测结果。
[0101]
为了避免人为因素对局部放电检测结果的影响，本技术实施例可以基于预先训练的卷积神经网络模型得到待测开关柜的局部放电检测结果。这样，就无需人为依靠经验对获取到的超声波波形信号和prpd图谱进行判断，从而可以提高得到的局部放电检测结果的准确率，并且可以提高局部放电检测的检测效率。
[0102]
可选的，在一种可能的实现方式中，本技术实施例可以通过如下方式得到卷积神经网络模型：获取样本训练集；基于卷积神经网络算法对样本训练集进行训练，得到卷积神经网络模型。
[0103]
其中，样本训练集包括n个样本数据组，样本数据组包括样本超声波信号频谱、样本灰度图像和样本局部放电检测结果。其中，n为正整数，卷积神经网络算法包括一维卷积神经网络和二维卷积神经网络，一维卷积神经网络用于对一维特征信号(即本技术实施例中的样本超声波信号频谱)进行训练，二维卷积神经网络用于对二维特征信号(即本技术实施例中的样本灰度图像)进行训练。
[0104]
另外，为了防止梯度爆炸和梯度弥散，该卷积神经网络模型中还加入了残差结构且采用了激活函数(rectified linear units，relu)。残差结构通过引入恒等映射，可以在不增加网络复杂度的情况下减缓由于网络层数多而带来的梯度爆炸和梯度弥散，保证了信息流动。同时，为了简化计算，提高卷积神经网络模型的训练速率，可以采用1
×
1或3
×
3的小卷积核。
[0105]
示例性的，参照图2，本技术实施例提供了一种卷积神经网络模型的结构示意图，如图2所示，该卷积神经网络模型包括一维卷积神经网络和二维卷积神经网络，整体网络由2个输入层、12个卷积层、4个池化层、4个残差结构、2个全局池化层、1个融合层和1个softmax分类层。另外，本技术实施例中全局池化层可以设置在softmax分类层之前，这样可以将卷积层的特征图映射成特征点，相比于全连接层可以大大压缩网络参数的计算量，从而可以提高模型的推理速度。
[0106]
可选的，本技术实施例中的局部放电检测结果至少可以包括：局部放电概率、局部放电类型和放电程度。对应的，样本局部放电检测结果可以包括样本超声波信号频谱和样本灰度图像的局部放电概率、局部放电类型和放电程度。
[0107]
示例性的，局部放电类型可以包括悬浮放电、尖端放电、绝缘放电和沿面放电等类型。对应的，在训练卷积神经网络模型之前，可以根据不同局部放电类型的样本超声波信号频谱和样本灰度图像具有的特征，对获取到的样本超声波信号频谱和样本灰度图像进行局
部放电类型的标注。以对样本灰度图像进行标注为例，不同局部放电类型的灰度图像在一个工频相位周期内的像素点的灰度值的分布是不同的，可以基于此对样本灰度图像进行局部放电类型的标注。
[0108]
局部放电概率可以为待测开关柜发生局部放电的概率。示例性的，若局部放电检测结果为局部放电概率是80％，且局部放电类型为悬浮放电，则表示待测开关柜发生局部放电的概率为80％。
[0109]
放电程度表示待测开关柜发生局部放电的严重程度，放电程度可以包括多个人为事先确定的等级。
[0110]
可选的，本技术实施例提供的开关柜的局部放电检测方法还可以包括：在确定待测开关柜的局部放电概率大于或等于预设数值的情况下，获取待测开关柜上设置的至少三个超声波麦克风中每两个超声波麦克风采集到放电信号的时间差；之后可以基于时间差和至少三个超声波麦克风的位置确定局部放电位置。
[0111]
其中，预设数值可以是人为事先确定的概率。比如，预设数值可以是70％。
[0112]
本技术实施例中，不仅可以实现对开关柜的局部放电检测，还可以对发生局部放电的位置进行定位，这样，在待测开关柜发生局部放电概率较大的情况下，运维人员可以参考确定出的局部放电位置进行设备的检修，提高了检修效率。另外，局部放电发生的很快，基于本技术实施例确定出的局部放电位置可以迅速对局部放电位置进行检修，从而可以避免对设备造成更大的损坏。
[0113]
具体的，可以基于每两个超声波麦克风采集到放电信号的时间确定这两个超声波麦克风采集到放电信号的时间差，然后可以该时间差和每个超声波麦克风的位置确定时间等高线，最后，可以将各时间等高线的交汇点位置确定为局部放电位置。
[0114]
在一种可能的实现方式中，本技术实施例可以基于广义互相关函数确定每两个超声波麦克风采集到放电信号的时间差，示例性的，可以基于表达式(4)确定超声波麦克风a和超声波麦克风b采集到放电信号的时间差r
x1x2
(τ)：
[0115][0116]
其中，表示频域加权函数，x1(ω)表示超声波麦克风a采集到放电信号的频域，表示超声波麦克风b采集到放电信号的频域共轭，ω表示频率。
[0117]
可选的，本技术实施例还可以获取待测开关柜上均匀部署的温度传感器采集到的温度；基于温度传感器的位置和温度传感器采集到的温度，确定热分布图；之后基于热分布图、时间差和至少三个超声波麦克风的位置，确定局部放电位置。
[0118]
由于待测开关柜发生局部放电时，待测开关柜的温度分布是不均匀的，所以本技术实施例还可以基于温度传感器的位置和温度传感器采集到的温度来对局部放电位置进行定位。另外，为了进一步提高确定出的局部放电位置的准确率，本技术实施例还可以结合热分布图、时间差和至少三个超声波麦克风的位置来确定局部放电位置。
[0119]
示例性的，可以以不同的编号标识来表示不同位置信息的温度传感器，然后以编号标识为横轴，该编号标识对应的温度传感器采集到的温度为纵轴建立热分布图，该热分布图可以更为清晰的显示待测开关柜的温度分布。在确定出热分布图之后，可以将温度大
于预设温度的编号标识对应的位置信息确定为局部放电位置。之后，可以将该位置与基于时间差和至少三个超声波麦克风的位置确定的局部放电位置进行比对，若两个位置一致，则可以将该位置确定为局部放电位置。其中，预设温度可以是人为事先根据开关柜发生局部放电时的温度确定的参数。
[0120]
本技术实施例提供的开关柜的局部放电检测方法中，可以基于预先训练的卷积神经网络模型得到待测开关柜的局部放电检测结果，无需人为依靠经验对获取到的超声波波形信号和prpd图谱进行判断。这样，可以避免人为因素对局部放电检测结果的影响，提高得到的局部放电检测结果的准确率，且可以提高局部放电检测的检测效率。并且，由于卷积神经网络模型对图像信息识别时的适应性更高，识别效果更好，所以，本技术实施例可以将基于prpd图谱得到的灰度图像作为卷积神经网络模型的一种输入特征，这样，可以提高卷积神经网络模型输出的局部放电检测结果的准确率。另外，本技术实施例中还可以基于超声波波形信号和prpd图谱得到超声波信号频谱和灰度图像，结合信号频谱和灰度图像两种不同类型的信息确定局部放电检测结果，可以进一步提高得到的局部放电检测结果的准确率。
[0121]
综合以上描述，如图3所示，图1中的步骤s102可以替换为s1021-s1026：
[0122]
s1021、对超声波波形信号进行分帧加窗处理，得到短时信号。
[0123]
s1022、对短时信号进行时频转换得到超声波信号频谱。
[0124]
s1023、以局部放电脉冲信号幅度为纵轴，划分l个区间，且以工频相位为横轴，划分k个区间，得到二维坐标轴中的l
×
k个子区间。
[0125]
s1024、确定每个子区间的局部放电次数，并对局部放电次数进行归一化处理。
[0126]
s1025、基于预设灰度值和经归一化处理后的局部放电次数确定每个子区间对应的灰度值。
[0127]
s1026、基于每个子区间对应的灰度值确定灰度图像。
[0128]
可选的，本技术实施例对步骤s1021和步骤s1023的先后顺序不做限定，步骤s1021可以在步骤s1023之前执行，也可以在步骤s1023之后执行，也可以同时执行。只要步骤s1022在s1021之后执行，且步骤s1023-s1026按顺序执行即可。
[0129]
可选的，如图4所示，本技术实施例还提供了一种开关柜的局部放电检测方法，包括s401-s407：
[0130]
s401、获取样本训练集。
[0131]
s402、基于卷积神经网络算法对样本训练集进行训练，得到卷积神经网络模型。
[0132]
s403、获取待测开关柜在预设时长内的超声波波形信号和prpd图谱。
[0133]
s404、对超声波波形信号进行预处理得到超声波信号频谱，并且基于prpd图谱中的局部放电数据得到灰度图像。
[0134]
s405、调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理，确定待测开关柜的局部放电概率、局部放电类型和放电程度。
[0135]
s406、在确定待测开关柜的局部放电概率大于或等于预设数值的情况下，获取待测开关柜上设置的至少三个超声波麦克风中每两个超声波麦克风采集到放电信号的时间差。
[0136]
s407、基于时间差和至少三个超声波麦克风的位置确定局部放电位置。
[0137]
可选的，如图5所示，图4中的步骤s407可以替换为s4071-s4073：
[0138]
s4071、获取待测开关柜上均匀部署的温度传感器采集到的温度。
[0139]
s4072、基于温度传感器的位置和温度传感器采集到的温度，确定热分布图。
[0140]
s4073、基于热分布图、时间差和至少三个超声波麦克风的位置，确定局部放电位置。
[0141]
如图6所示，本技术实施例还提供了一种开关柜的局部放电检测装置，该开关柜的局部放电检测装置可以包括：获取模块11、处理模块12和确定模块13。
[0142]
其中，获取模块11执行上述方法实施例中的s101，处理模块12执行上述方法实施例中的s102，确定模块13执行上述方法实施例中的s103。
[0143]
具体地，获取模块11，用于获取待测开关柜在预设时长内的超声波波形信号和prpd图谱；
[0144]
处理模块12，用于对超声波波形信号进行预处理得到超声波信号频谱，并且基于prpd图谱中的局部放电数据得到灰度图像；
[0145]
确定模块13，用于调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理，确定待测开关柜的局部放电检测结果。
[0146]
可选的，在一种可能的设计方式中，本技术实施例提供的局部放电检测装置还可以包括训练模块；
[0147]
获取模块11，还用于在处理模块12调用预先训练的卷积神经网络模型对超声波信号频谱和灰度图像进行处理之前，获取样本训练集；样本训练集包括n个样本数据组，样本数据组包括样本超声波信号频谱、样本灰度图像和样本局部放电检测结果；n为正整数；
[0148]
训练模块，用于基于卷积神经网络算法对样本训练集进行训练，得到卷积神经网络模型；卷积神经网络算法包括一维卷积神经网络和二维卷积神经网络。
[0149]
可选的，在另一种可能的设计方式中，处理模块12具体用于：
[0150]
对超声波波形信号进行分帧加窗处理，得到短时信号；
[0151]
对短时信号进行时频转换得到超声波信号频谱。
[0152]
可选的，在另一种可能的设计方式中，局部放电数据至少包括：工频相位、局部放电次数以及局部放电脉冲信号幅度，处理模块12具体用于：
[0153]
以局部放电脉冲信号幅度为纵轴，划分l个区间，且以工频相位为横轴，划分k个区间，得到二维坐标轴中的l
×
k个子区间；l和k均为正整数；
[0154]
确定每个子区间的局部放电次数，并对局部放电次数进行归一化处理；
[0155]
基于预设灰度值和经归一化处理后的局部放电次数确定每个子区间对应的灰度值；
[0156]
基于每个子区间对应的灰度值确定灰度图像。
[0157]
可选的，在另一种可能的设计方式中，局部放电检测结果至少包括局部放电概率；
[0158]
获取模块11，还用于在确定模块13确定待测开关柜的局部放电概率大于或等于预设数值的情况下，获取待测开关柜上设置的至少三个超声波麦克风中每两个超声波麦克风采集到放电信号的时间差；
[0159]
确定模块13，还用于基于时间差和至少三个超声波麦克风的位置确定局部放电位置。
[0160]
可选的，在另一种可能的设计方式中，获取模块11还用于，在确定模块13确定待测开关柜的局部放电检测结果之后，获取待测开关柜上均匀部署的温度传感器采集到的温度；
[0161]
确定模块13，还用于基于温度传感器的位置和获取模块11获取的温度传感器采集到的温度，确定热分布图；
[0162]
确定模块13，还用于基于热分布图、时间差和至少三个超声波麦克风的位置，确定局部放电位置。
[0163]
可选的，在另一种可能的设计方式中，局部放电检测结果至少可以包括：局部放电概率、局部放电类型和放电程度。
[0164]
可选的，开关柜的局部放电检测装置还可以包括存储模块，存储模块用于存储该开关柜的局部放电检测装置的程序代码等。
[0165]
如图7所示，本技术实施例还提供一种开关柜的局部放电检测装置，包括存储器41、处理器42(42-1和42-2)、总线43和通信接口44；存储器41用于存储计算机执行指令，处理器42与存储器41通过总线43连接；当开关柜的局部放电检测装置运行时，处理器42执行存储器41存储的计算机执行指令，以使开关柜的局部放电检测装置执行如上述实施例提供的开关柜的局部放电检测方法。
[0166]
在具体的实现中，作为一种实施例，处理器42可以包括一个或多个中央处理器(central processing unit，cpu)，例如图7中所示的cpu0和cpu1。且作为一种实施例，开关柜的局部放电检测装置可以包括多个处理器42，例如图7中所示的处理器42-1和处理器42-2。这些处理器42中的每一个cpu可以是一个单核处理器(single-cpu)，也可以是一个多核处理器(multi-cpu)。这里的处理器42可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
[0167]
存储器41可以是只读存储器41(read-only memory，rom)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，ram)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器41可以是独立存在，通过总线43与处理器42相连接。存储器41也可以和处理器42集成在一起。
[0168]
在具体的实现中，存储器41，用于存储本技术中的数据和执行本技术的软件程序对应的计算机执行指令。处理器42可以通过运行或执行存储在存储器41内的软件程序，以及调用存储在存储器41内的数据，开关柜的局部放电检测装置的各种功能。
[0169]
通信接口44，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如控制系统、无线接入网(radio access network，ran)，无线局域网(wireless local area networks，wlan)等。通信接口44可以包括接收单元实现接收功能，以及发送单元实现发送功能。
[0170]
总线43，可以是工业标准体系结构(industry standard architecture，isa)总
线、外部设备互连(peripheral component interconnect，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0171]
作为一个示例，结合图6，开关柜的局部放电检测装置中的获取模块实现的功能与图7中的接收单元实现的功能相同，开关柜的局部放电检测装置中的处理模块实现的功能与图7中的处理器实现的功能相同，开关柜的局部放电检测装置中的存储模块实现的功能与图7中的存储器实现的功能相同。
[0172]
本实施例中相关内容的解释可参考上述方法实施例，此处不再赘述。
[0173]
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0174]
本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，使得计算机执行上述实施例提供的开关柜的局部放电检测方法。
[0175]
其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、ram、rom、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、寄存器、硬盘、光纤、cd-rom、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specific integrated circuit，asic)中。在本技术实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0176]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。