一种基于设备局部放电数据图的故障识别方法及系统与流程

技术特征：
1.一种基于设备局部放电数据图的故障识别方法，其特征在于，包括步骤：(1)采集表征设备故障类型的局部放电prpd图谱训练样本，并提取其统计特征，以构建局部放电prpd图谱训练样本的指纹特征库；(2)采用关联规则算法评估指纹特征库中的统计特征，以获得指纹特征库的高频项集；(3)采用所述高频项集对构建的深度信念神经网络进行训练，以使得其输出对应的故障类型；(4)采集实测的设备局部放电prpd图谱，并提取其统计特征，将统计特征输入经过训练的所述深度信念神经网络中，以获得输出的故障类型。2.如权利要求1所述的基于设备局部放电数据图的故障识别方法，其特征在于，所述统计特征包括陡峭度ku、放电因素q、互相关系数cc、放电平均值mi和放电频率bi。3.如权利要求1所述的基于设备局部放电数据图的故障识别方法，其特征在于，所述深度信念神经网络包括若干个串接的受限玻尔兹曼机。4.如权利要求1所述的基于设备局部放电数据图的故障识别方法，其特征在于，所述深度信念神经网络包括5个串接的受限玻尔兹曼机。5.如权利要求1所述的基于设备局部放电数据图的故障识别方法，其特征在于，所述故障类型包括尖端放电、内部缺陷和浮动电极。6.一种基于设备局部放电数据图的故障识别系统，其特征在于，包括：数据采集装置，其采集表征设备故障类型的局部放电prpd图谱训练样本以及实测的设备局部放电prpd图谱；特征提取模块，其提取局部放电prpd图谱训练样本统计特征，以构建局部放电prpd图谱训练样本的指纹特征库；关联规则模块，其采用关联规则算法评估指纹特征库中的统计特征，以获得指纹特征库的高频项集；深度信念神经网络模块，其被设置为采用所述高频项集对其进行训练，以使得其输出对应的故障类型；其中，当进行设备故障识别时，特征提取模块提取实测的设备局部放电prpd图谱的统计特征，将该统计特征输入所述深度信念神经网络中，获得输出的故障类型。7.如权利要求6所述的基于设备局部放电数据图的故障识别系统，其特征在于，所述统计特征包括陡峭度ku、放电因素q、互相关系数cc、放电平均值mi和放电频率bi。8.如权利要求6所述的基于设备局部放电数据图的故障识别系统，其特征在于，所述深度信念神经网络模块包括若干个串接的受限玻尔兹曼机。9.如权利要求6所述的基于设备局部放电数据图的故障识别系统，其特征在于，所述深度信念神经网络模块包括5个串接的受限玻尔兹曼机。10.如权利要求6所述的基于设备局部放电数据图的故障识别系统，其特征在于，所述数据采集装置包括uhf传感器。

技术总结
本发明提供了一种基于设备局部放电数据图的故障识别方法，其包括步骤：(1)采集表征设备故障类型的局部放电PRPD图谱训练样本，并提取其统计特征，以构建局部放电PRPD图谱训练样本的指纹特征库；(2)采用关联规则算法评估指纹特征库中的统计特征，以获得指纹特征库的高频项集；(3)采用所述高频项集对构建的深度信念神经网络进行训练，以使得其输出对应的故障类型；(4)采集实测的设备局部放电PRPD图谱，并提取其统计特征，将统计特征输入所述经过训练的深度信念神经网络中，以获得输出的故障类型。相应地，本发明还公开了一种基于设备局部放电数据图的故障识别系统，以用于实施上述故障识别方法。障识别方法。障识别方法。


技术研发人员：刘伟 谢恒 汪胜和
受保护的技术使用者：国网安徽省电力有限公司
技术研发日：2022.09.02
技术公布日：2022/12/16