CN110658433A - 一种用于局放prps图谱样本增强的方法 - Google Patents
一种用于局放prps图谱样本增强的方法 Download PDFInfo
- Publication number
- CN110658433A CN110658433A CN201911090228.3A CN201911090228A CN110658433A CN 110658433 A CN110658433 A CN 110658433A CN 201911090228 A CN201911090228 A CN 201911090228A CN 110658433 A CN110658433 A CN 110658433A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- prps
- data
- dimensional
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种用于局放PRPS图谱样本增强的方法,包括:S1、采集局部放电信号数据;S2、将局部放电信号数据转化为三维PRPS图谱数据;S3、设置迭代次数及样本增强矩阵随机方法元素块的编号;S4、利用随机方法选择器输出随机数w;S5、将三维PRPS图谱数据输入至与随机数w匹配的随机方法元素块;S6、执行与随机数w匹配的随机方法元素块对应的过程;S7、判断随机方法元素块对应的过程是否执行完毕,若是,执行步骤S8;否则,继续执行随机方法元素块对应的过程;S8.判断迭代次数是否达到,若是,输出局放PRPS图谱样本;否则,返回步骤S4进行下一次迭代。本发明提出的方法随机处理PRPS图谱数据,获得的样本丰富真实。
Description
技术领域
本发明涉及局部放电检测技术领域,更具体地,涉及一种用于局放PRPS图谱样本增强的方法。
背景技术
局部放电图谱,是指记录某一时间段内局部放电信号的强度、频次和相位的图谱,着重描述放电信号的强度与相位、频次的关系,通常采用PRPD图谱或PRPS图谱记录及可视化,其中PRPS图谱是把每个带有相位标识的局部放电脉冲按照时间先后显示出来,时间先后一般按照所在的周期序号处理。PRPS图谱与PRPD图谱相比:PRPD图谱需要PRPS经过复杂算法统计转化,耗时过长;另一方面,PRPD图谱数据具有稀疏性,使得PRPD需要消耗更多内存以及耗费大量磁盘IO代价。因此,通过PRPS图谱记录识别局部放电信号的方式更具有优势。
在实际局部放电检测过程中,局部放电PRPS图谱识别需要大量带标签的训练样本,带标签的训练样本的收集过程成本较高,对发生频率低的局部放电现象来说,往往很难快速累积起足够的样本数量用以支撑训练。传统用于局放PRPS样本增强的方法中,一般以平移、旋转、缩放等简单处理的方式为主。上述处理PRPS图谱的方式没有考虑到真实检测情况中数据的复杂性,全部数据均经过统一标准的处理,降低了数据的真实性。
综上所述,提出一种随机处理PRPS图谱数据,进行样本增强的方法十分有必要。
发明内容
为克服现有进行局放PRPS图谱样本增强的方法没有考虑真实局部放电检测情况中数据的复杂性,对全部的PRPS图谱数据均是经过统一标准的处理,具有数据真实性不足的弊端,本发明提出一种用于局放PRPS图谱样本增强的方法,随机处理PRPS图谱数据,对局放PRPS图谱样本进行增强,以得到更加丰富真实的数据样本。
为了达到上述技术效果,本发明的技术方案如下:
一种用于局放PRPS图谱样本增强的方法,所述方法包括以下步骤:
S1.利用特高频传感器采集局部放电信号数据;
S2.分别以相位为x轴,周期为y轴,幅值为z轴将采集的局部放电信号数据转化为三维PRPS图谱数据;
S3.设置局放PRPS图谱样本增强的迭代次数上限值M及随机方法元素块的编号,并利用随机方法元素块形成样本增强矩阵;
S4.利用随机方法选择器输出随机数w;
S5.将随机数w与随机方法元素块的编号匹配,将三维PRPS图谱数据输入至与随机数w匹配的随机方法元素块;
S6.执行与随机数w匹配的随机方法元素块对应的过程;
S7.利用判断器判断与随机数w匹配的随机方法元素块对应的过程是否执行完毕,若是,执行步骤S8;否则,继续执行随机方法元素块对应的过程;
S8.判断迭代次数是否达到上限值M,若是,输出增强后的局放PRPS图谱样本;否则,返回步骤S4进行下一次迭代。
优选地,步骤S3所述的样本增强矩阵为5*n的方阵,样本增强矩阵的每一个元素aij代表随机方法元素块,其中i=1,2,3,4,5;j=1,2,...,n。
优选地,所述随机方法元素块的编号为自然数,编号取值范围为0~4。
优选地,所述随机方法元素块包括编号为0的阈值去噪元素块、编号为1的噪声叠加元素块、编号为2的数据稠密元素块、编号为3的数据稀疏元素块及编号为4的相位平移元素块;样本增强矩阵的第一行每一个元素a1j均为阈值去噪元素块,样本增强矩阵的第二行每一个元素a2j均为噪声叠加元素块,样本增强矩阵的第三行每一个元素a3j均为数据稠密元素块,样本增强矩阵的第四行每一个元素a4j均为数据稀疏元素块,样本增强矩阵的第五行每一个元素a5j均为相位平移元素块,其中j=1,2,...,n。
优选地,步骤S4所述随机方法选择器输出的随机数w为自然数,取值范围为0~4。
优选地,所述执行阈值去噪元素块对应过程的步骤为:
S601.利用输入阈值去噪元素块的三维PRPS图谱数据做出三维PRPS图谱数据的幅值直方图;
S602.统计三维PRPS图谱数据中幅值小于平均幅值25%的三维PRPS图谱数据的个数,所述平均幅值为所有局部放电脉冲幅值之和与局部放电脉冲个数的比;
S603.判断幅值小于平均幅值25%的三维PRPS图谱数据的个数是否大于等于局部放电脉冲总个数的10%,若是,删除幅值小于平均幅值25%的三维PRPS图谱数据;否则,保留幅值小于平均幅值25%的三维PRPS图谱数据;
S604.删除每个周期内局部放电的脉冲个数大于等于局部放电脉冲总个数的10%且幅值小于每个周期三维PRPS图谱数据平均幅值25%的三维PRPS图谱数据;
S605.删除每个相位上局部放电的脉冲个数大于等于局部放电脉冲总个数的10%且幅值小于每个相位上三维PRPS图谱数据平均幅值25%的三维PRPS图谱数据;
S606.结束。数据噪声太大会影响对数据特征的提取,去噪是为了可以更好的获取数据的特征。
优选地,所述执行噪声叠加元素块对应过程的步骤为:
S611.利用特高频传感器分别接收雷达噪声、手机噪声及微波硫灯干扰的数据,并将雷达噪声、手机噪声及微波硫灯干扰的数据分别转化为以局部放电脉冲的相位为x轴,周期为y轴,幅值为z轴的三维噪声数据;
S612.将每个周期及每个相位上三维PRPS图谱数据的幅值与三维噪声数据的幅值相加;
S613.得到噪声耦合数据。噪声叠加是为了模拟数据的真实环境,因为在现场实际应用中,没有噪声的数据几乎是不存在的,而且实际应用中也会出现多个噪声相互叠加的情况。
优选地,所述执行数据稠密元素块对应过程的步骤为:
S621.遍历每个相位,记录每个相位上局部放电脉冲的个数p;
S622.计算每个相位上所有局部放电脉冲的平均幅值,所述平均幅值为所有局部放电脉冲幅值之和与局部放电脉冲个数的比;
S623.利用第一随机数生成器为每一个相位随机生成整数k,第一随机数生成器输出的数均为整数,范围为10%p~20%p;
S624.利用第一随机数生成器为每一个相位随机生成k个整数Zα,其中α=1,...,k;Zα满足:
0<Zα<T
T表示周期,整数Zα的值表示将要增加的局部放电脉冲在各个相位上的位置编号,将每个位置编号的对应位置的局部放电脉冲值设置为每个相位上局部放电脉冲的平均幅值;
S625.得到稠密化后的三维PRPS图谱数据。
局放信号在传播过程中会发生衰减,不同位置的特高频传感器接收到的数据幅值不一样,离的较远的特高频传感器接收到数据可能因为衰减,脉冲量很少,数据稠密化可以还原信号的本来特征。
所述执行数据稀疏元素块对应过程的步骤为:
S631.遍历每个相位,记录每个相位上局部放电脉冲的个数d;
S632.利用第二随机数生成器为每一个相位随机生成整数q,第二随机数生成器输出的数均为整数,范围为10%d~20%d;
S633.利用第二随机生成器为每一个相位生成q个整数Hβ,其中β=1,....,q;Hβ满足:
0<Hβ<T
T表示周期,整数Hβ表示将要稀疏化的局部放电脉冲在各个相位上的位置编号,将每个位置编号的对应位置的局部放电脉冲设置为0;
S634.得到稀疏化后的三维PRPS图谱数据。数据稀疏化是为了捕捉数据在经过衰减之后的变化规律。
优选地,所述执行相位平移元素块对应过程的步骤为:
S641.利用第三随机数生成器随机生成整数s,第三随机数生成器输出的数均为整数,范围为0~u,u表示一个周期内局部放电信号的采样个数上限值;
S642.将三维PRPS图谱数据在相位x轴上左移s个相位;
S643.得到平移后的三维PRPS图谱数据。同一种类型的不同位置的数据样本并不是在一个固定的相位发生,相位平移是为了模拟数据的相位不同步情况。
优选地,步骤S7所述随机方法元素块对应的过程执行完毕的标志为:判断器的执行显示灯熄灭。
与现有技术相比,本发明技术方案的有益效果是:
本发明提出的用于局放PRPS图谱样本增强的方法,利用随机方法选择器输出随机数与随机方法元素块的编号相匹配,随机处理PRPS图谱数据,对局放PRPS图谱样本进行增强,得到更加丰富真实的数据样本,克服了现有进行局放PRPS图谱样本增强的方法没有考虑真实局部放电检测情况中数据的复杂性,对全部的PRPS图谱数据均经过统一标准的处理,具有数据真实性不足的弊端。
附图说明
图1为本发明提出的用于局放PRPS图谱样本增强的方法流程图。
图2为本方法提出的用于局放PRPS图谱样本增强的方法执行结构示意图。
图3为本方法提出的执行阈值去噪元素块对应过程的步骤流程图;
图4为本方法提出的执行噪声叠加元素块对应过程的步骤流程图;
图5为本方法提出的执行数据稠密元素块对应过程的步骤流程图;
图6为本方法提出的执行数据稀疏元素块对应过程的步骤流程图;
图7为本方法提出的执行相位平移元素块对应过程的步骤流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的用于局放PRPS图谱样本增强的方法流程图,包括以下步骤:
S1.利用特高频传感器采集局部放电信号数据;
S2.分别以相位为x轴,周期为y轴,幅值为z轴将采集的局部放电信号数据转化为三维PRPS图谱数据;
S3.设置局放PRPS图谱样本增强的迭代次数上限值M及随机方法元素块的编号,并利用随机方法元素块形成样本增强矩阵;如图2所示,样本增强矩阵为5*n的方阵,样本增强矩阵的每一个元素aij代表随机方法元素块,其中i=1,2,3,4,5;j=1,2,...,n。
随机方法元素块的编号为自然数,编号取值范围为0~4,随机方法元素块包括编号为0的阈值去噪元素块、编号为1的噪声叠加元素块、编号为2的数据稠密元素块、编号为3的数据稀疏元素块及编号为4的相位平移元素块。
参见图2,样本增强矩阵标记为101的第一行每一个元素a1j,均为阈值去噪元素块,样本增强矩阵标记为102的第二行每一个元素a2j均为噪声叠加元素块,样本增强矩阵标记为103的第三行每一个元素a3j均为数据稠密元素块,样本增强矩阵标记为104的第四行每一个元素a4j均为数据稀疏元素块,样本增强矩阵标记为105的第五行每一个元素a5j均为相位平移元素块,其中j=1,2,...,n。
S4.利用随机方法选择器输出随机数w;参见图2,随机方法选择器106输出的随机数w为自然数,取值范围为0~4。
S5.将随机数w与随机方法元素块的编号匹配,将三维PRPS图谱数据输入至与随机数w匹配的随机方法元素块;因随机数的取值范围为0~4,即可以输出0~4之间任意一个自然数,而随机方法元素块对应的编号取值范围也为0~4,因此,可以通过随机方法选择器随机输出的自然数来匹配对应编号的随机方法元素块。
S6.执行与随机数w匹配的随机方法元素块对应的过程;其中阈值去噪元素块对应过程的执行步骤如图3所示,包括如下步骤:
S601.利用输入阈值去噪元素块的三维PRPS图谱数据做出三维PRPS图谱数据的幅值直方图;
S602.统计三维PRPS图谱数据中幅值小于平均幅值25%的三维PRPS图谱数据的个数,所述平均幅值为所有局部放电脉冲幅值之和与局部放电脉冲个数的比;
S603.判断幅值小于平均幅值25%的三维PRPS图谱数据的个数是否大于等于局部放电脉冲总个数的10%,若是,删除幅值小于平均幅值25%的三维PRPS图谱数据;否则,保留幅值小于平均幅值25%的三维PRPS图谱数据;
S604.删除每个周期内局部放电的脉冲个数大于等于局部放电脉冲总个数的10%且幅值小于每个周期三维PRPS图谱数据平均幅值25%的三维PRPS图谱数据;
S605.删除每个相位上局部放电的脉冲个数大于等于局部放电脉冲总个数的10%且幅值小于每个相位上三维PRPS图谱数据平均幅值25%的三维PRPS图谱数据;
S606.结束。由于数据噪声太大会影响对数据特征的提取,去噪是为了可以更好的获取数据的特征。
执行噪声叠加元素块对应过程的步骤流程图如图4所示,包括如下步骤:
S611.利用特高频传感器分别接收雷达噪声、手机噪声及微波硫灯干扰的数据,并将雷达噪声、手机噪声及微波硫灯干扰的数据分别转化为以局部放电脉冲的相位为x轴,周期为y轴,幅值为z轴的三维噪声数据;
S612.将每个周期及每个相位上三维PRPS图谱数据的幅值与三维噪声数据的幅值相加;
S613.得到噪声耦合数据。噪声叠加是为了模拟数据的真实环境,因为在现场实际应用中,没有噪声的数据几乎是不存在的,而且实际应用中也会出现多个噪声相互叠加的情况。
执行数据稠密元素块对应过程的步骤流程图如图5所示,包括如下步骤:
S621.遍历每个相位,记录每个相位上局部放电脉冲的个数p;
S622.计算每个相位上所有局部放电脉冲的平均幅值,所述平均幅值为所有局部放电脉冲幅值之和与局部放电脉冲个数的比;
S623.利用第一随机数生成器为每一个相位随机生成整数k,第一随机数生成器输出的数均为整数,范围为10%p~20%p;
S624.利用第一随机数生成器为每一个相位随机生成k个整数Zα,其中α=1,...,k;Zα满足:
0<Zα<T
T表示周期,整数Zα的值表示将要增加的局部放电脉冲在各个相位上的位置编号,将每个位置编号的对应位置的局部放电脉冲值设置为每个相位上局部放电脉冲的平均幅值;
S625.得到稠密化后的三维PRPS图谱数据。
局放信号在传播过程中会发生衰减,不同位置的特高频传感器接收到的数据幅值不一样,离的较远的特高频传感器接收到数据可能因为衰减,脉冲量很少,数据稠密化可以还原信号的本来特征。
执行数据稀疏元素块对应过程的步骤流程图如图6所示,包括如下步骤:
S631.遍历每个相位,记录每个相位上局部放电脉冲的个数d;
S632.利用第二随机数生成器为每一个相位随机生成整数q,第二随机数生成器输出的数均为整数,范围为10%d~20%d;
S633.利用第二随机生成器为每一个相位生成q个整数Hβ,其中β=1,....,q;Hβ满足:
0<Hβ<T
T表示周期,整数Hβ表示将要稀疏化的局部放电脉冲在各个相位上的位置编号,将每个位置编号的对应位置的局部放电脉冲设置为0;
S634.得到稀疏化后的三维PRPS图谱数据。数据稀疏化是为了捕捉数据在经过衰减之后的变化规律。
执行相位平移元素块对应过程的步骤流程图如图7所示,包括如下步骤:
S641.利用第三随机数生成器随机生成整数s,第三随机数生成器输出的数均为整数,范围为0~u,u表示一个周期内局部放电信号的采样个数上限值;
S642.将三维PRPS图谱数据在相位x轴上左移s个相位;
S643.得到平移后的三维PRPS图谱数据。同一种类型的不同位置的数据样本并不是在一个固定的相位发生,相位平移是为了模拟数据的相位不同步情况。
S7.利用判断器判断与随机数w匹配的随机方法元素块对应的过程是否执行完毕,若是,执行步骤S8;否则,继续执行随机方法元素块对应的过程;随机方法元素块对应的过程执行完毕的标志为:判断器的执行显示灯熄灭。
S8.判断迭代次数是否达到上限值M,若是,输出增强后的局放PRPS图谱样本;否则,返回步骤S4进行下一次迭代。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种用于局放PRPS图谱样本增强的方法,其特征在于,所述方法包括以下步骤:
S1.利用特高频传感器采集局部放电信号数据;
S2.分别以相位为x轴,周期为y轴,幅值为z轴将采集的局部放电信号数据转化为三维PRPS图谱数据;
S3.设置局放PRPS图谱样本增强的迭代次数上限值M及随机方法元素块的编号,并利用随机方法元素块形成样本增强矩阵;
S4.利用随机方法选择器输出随机数w;
S5.将随机数w与随机方法元素块的编号匹配,将三维PRPS图谱数据输入至与随机数w匹配的随机方法元素块;
S6.执行与随机数w匹配的随机方法元素块对应的过程;
S7.利用判断器判断与随机数w匹配的随机方法元素块对应的过程是否执行完毕,若是,执行步骤S8;否则,继续执行随机方法元素块对应的过程;
S8.判断迭代次数是否达到上限值M,若是,输出增强后的局放PRPS图谱样本;否则,返回步骤S4进行下一次迭代。
2.根据权利要求1所述的用于局放PRPS图谱样本增强的方法,其特征在于,步骤S3所述的样本增强矩阵为5*n的方阵,样本增强矩阵的每一个元素aij代表随机方法元素块,其中i=1,2,3,4,5;j=1,2,…,n。
3.根据权利要求2所述的用于局放PRPS图谱样本增强的方法,其特征在于,所述随机方法元素块的编号为自然数,编号取值范围为0~4。
4.根据权利要求2或3所述的用于局放PRPS图谱样本增强的方法,其特征在于,所述随机方法元素块包括编号为0的阈值去噪元素块、编号为1的噪声叠加元素块、编号为2的数据稠密元素块、编号为3的数据稀疏元素块及编号为4的相位平移元素块;样本增强矩阵的第一行每一个元素a1j均为阈值去噪元素块,样本增强矩阵的第二行每一个元素a2j均为噪声叠加元素块,样本增强矩阵的第三行每一个元素a3j均为数据稠密元素块,样本增强矩阵的第四行每一个元素a4j均为数据稀疏元素块,样本增强矩阵的第五行每一个元素a5j均为相位平移元素块,其中j=1,2,...,n。
5.根据权利要求1所述的用于局放PRPS图谱样本增强的方法,其特征在于,步骤S4所述随机方法选择器输出的随机数w为自然数,取值范围为0~4。
6.根据权利要求4所述的用于局放PRPS图谱样本增强的方法,其特征在于,所述执行阈值去噪元素块对应过程的步骤为:
S601.利用输入阈值去噪元素块的三维PRPS图谱数据做出三维PRPS图谱数据的幅值直方图;
S602.统计三维PRPS图谱数据中幅值小于平均幅值25%的三维PRPS图谱数据的个数,所述平均幅值为所有局部放电脉冲幅值之和与局部放电脉冲个数的比;
S603.判断幅值小于平均幅值25%的三维PRPS图谱数据的个数是否大于等于局部放电脉冲总个数的10%,若是,删除幅值小于平均幅值25%的三维PRPS图谱数据;否则,保留幅值小于平均幅值25%的三维PRPS图谱数据;
S604.删除每个周期内局部放电的脉冲个数大于等于局部放电脉冲总个数的10%且幅值小于每个周期三维PRPS图谱数据平均幅值25%的三维PRPS图谱数据;
S605.删除每个相位上局部放电的脉冲个数大于等于局部放电脉冲总个数的10%且幅值小于每个相位上三维PRPS图谱数据平均幅值25%的三维PRPS图谱数据;
S606.结束。
7.根据权利要求4所述的用于局放PRPS图谱样本增强的方法,其特征在于,所述执行噪声叠加元素块对应过程的步骤为:
S611.利用特高频传感器分别接收雷达噪声、手机噪声及微波硫灯干扰的数据,并将雷达噪声、手机噪声及微波硫灯干扰的数据分别转化为以局部放电脉冲的相位为x轴,周期为y轴,幅值为z轴的三维噪声数据;
S612.将每个周期及每个相位上三维PRPS图谱数据的幅值与三维噪声数据的幅值相加;
S613.得到噪声耦合数据。
8.根据权利要求4所述的用于局放PRPS图谱样本增强的方法,其特征在于,所述执行数据稠密元素块对应过程的步骤为:
S621.遍历每个相位,记录每个相位上局部放电脉冲的个数p;
S622.计算每个相位上所有局部放电脉冲的平均幅值,所述平均幅值为所有局部放电脉冲幅值之和与局部放电脉冲个数的比;
S623.利用第一随机数生成器为每一个相位随机生成整数k,第一随机数生成器输出的数均为整数,范围为10%p~20%p;
S624.利用第一随机数生成器为每一个相位随机生成k个整数Zα,其中α=1,....,k;Zα满足:
0<Zα<T
T表示周期,整数Zα的值表示将要增加的局部放电脉冲在各个相位上的位置编号,将每个位置编号的对应位置的局部放电脉冲值设置为每个相位上局部放电脉冲的平均幅值;
S625.得到稠密化后的三维PRPS图谱数据;
所述执行数据稀疏元素块对应过程的步骤为:
S631.遍历每个相位,记录每个相位上局部放电脉冲的个数d;
S632.利用第二随机数生成器为每一个相位随机生成整数q,第二随机数生成器输出的数均为整数,范围为10%d~20%d;
S633.利用第二随机生成器为每一个相位生成q个整数Hβ,其中β=1,....,q;Hβ满足:
0<Hβ<T
T表示周期,整数Hβ表示将要稀疏化的局部放电脉冲在各个相位上的位置编号,将每个位置编号的对应位置的局部放电脉冲设置为0;
S634.得到稀疏化后的三维PRPS图谱数据。
9.根据权利要求4所述的用于局放PRPS图谱样本增强的方法,其特征在于,所述执行相位平移元素块对应过程的步骤为:
S641.利用第三随机数生成器随机生成整数s,第三随机数生成器输出的数均为整数,范围为0~u,u表示一个周期内局部放电信号的采样个数上限值;
S642.将三维PRPS图谱数据在相位x轴上左移s个相位;
S643.得到平移后的三维PRPS图谱数据。
10.根据权利要求1所述的用于局放PRPS图谱样本增强的方法,其特征在于,步骤S7所述随机方法元素块对应的过程执行完毕的标志为:判断器的执行显示灯熄灭。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911090228.3A CN110658433B (zh) | 2019-11-08 | 2019-11-08 | 一种用于局放prps图谱样本增强的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911090228.3A CN110658433B (zh) | 2019-11-08 | 2019-11-08 | 一种用于局放prps图谱样本增强的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110658433A true CN110658433A (zh) | 2020-01-07 |
CN110658433B CN110658433B (zh) | 2020-09-25 |
Family
ID=69043197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911090228.3A Active CN110658433B (zh) | 2019-11-08 | 2019-11-08 | 一种用于局放prps图谱样本增强的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110658433B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625132A (zh) * | 2021-08-06 | 2021-11-09 | 国网上海市电力公司 | 一种基于相位对齐的电缆局部放电检测方法和系统 |
US20220111863A1 (en) * | 2020-10-09 | 2022-04-14 | Yandex Self Driving Group Llc | Multispectral lidar systems and methods |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56118679A (en) * | 1980-02-26 | 1981-09-17 | Toshiba Corp | Data processing method for measuring of partial discharge |
JPH08166421A (ja) * | 1994-12-12 | 1996-06-25 | Hitachi Cable Ltd | 部分放電測定方法 |
CN105606977A (zh) * | 2016-03-11 | 2016-05-25 | 华乘电气科技(上海)股份有限公司 | 基于分层规则推理的局部放电prps图谱识别方法及系统 |
CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
CN106556781A (zh) * | 2016-11-10 | 2017-04-05 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电缺陷图像诊断方法及系统 |
CN108109152A (zh) * | 2018-01-03 | 2018-06-01 | 深圳北航新兴产业技术研究院 | 医学图像分类和分割方法和装置 |
CN108805107A (zh) * | 2018-07-12 | 2018-11-13 | 华南理工大学 | 一种基于prps信号的gis内部局部放电缺陷识别方法 |
CN108896879A (zh) * | 2018-05-15 | 2018-11-27 | 国网江苏省电力有限公司电力科学研究院 | 基于局部放电信号特征的诊断图谱相位开窗参数调整方法 |
CN110208660A (zh) * | 2019-06-05 | 2019-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种用于电力设备局部放电缺陷诊断的训练方法及装置 |
-
2019
- 2019-11-08 CN CN201911090228.3A patent/CN110658433B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56118679A (en) * | 1980-02-26 | 1981-09-17 | Toshiba Corp | Data processing method for measuring of partial discharge |
JPH08166421A (ja) * | 1994-12-12 | 1996-06-25 | Hitachi Cable Ltd | 部分放電測定方法 |
CN105606977A (zh) * | 2016-03-11 | 2016-05-25 | 华乘电气科技(上海)股份有限公司 | 基于分层规则推理的局部放电prps图谱识别方法及系统 |
CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
CN106556781A (zh) * | 2016-11-10 | 2017-04-05 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电缺陷图像诊断方法及系统 |
CN108109152A (zh) * | 2018-01-03 | 2018-06-01 | 深圳北航新兴产业技术研究院 | 医学图像分类和分割方法和装置 |
CN108896879A (zh) * | 2018-05-15 | 2018-11-27 | 国网江苏省电力有限公司电力科学研究院 | 基于局部放电信号特征的诊断图谱相位开窗参数调整方法 |
CN108805107A (zh) * | 2018-07-12 | 2018-11-13 | 华南理工大学 | 一种基于prps信号的gis内部局部放电缺陷识别方法 |
CN110208660A (zh) * | 2019-06-05 | 2019-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种用于电力设备局部放电缺陷诊断的训练方法及装置 |
Non-Patent Citations (2)
Title |
---|
刘创华等: "GIS局部放电时域波形图像的模式识别方法", 《电力系统及其自动化学报》 * |
姚林朋等: "基于半监督学习的XLPE电缆局部放电模式识别研究", 《电力系统保护与控制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220111863A1 (en) * | 2020-10-09 | 2022-04-14 | Yandex Self Driving Group Llc | Multispectral lidar systems and methods |
US12017678B2 (en) * | 2020-10-09 | 2024-06-25 | Direct Cursus Technology L.L.C | Multispectral LIDAR systems and methods |
CN113625132A (zh) * | 2021-08-06 | 2021-11-09 | 国网上海市电力公司 | 一种基于相位对齐的电缆局部放电检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110658433B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110658433B (zh) | 一种用于局放prps图谱样本增强的方法 | |
CN111274918B (zh) | 基于多源遥感影像的河流干涸断流监测方法和装置 | |
CN111259853A (zh) | 一种高分辨率遥感图像变化检测方法、系统及装置 | |
CN102914545A (zh) | 一种基于计算机视觉的齿轮缺陷检测方法及系统 | |
CN101051059A (zh) | 波形压缩和显示 | |
CN111709775A (zh) | 一种房产价格评估方法、装置、电子设备及存储介质 | |
CN112633077B (zh) | 一种基于层内多尺度特征增强的人脸检测方法、系统、存储介质及终端 | |
CN111507972A (zh) | 结合卷积神经网络和支持向量机的隧道表面缺陷检测方法 | |
CN111161224A (zh) | 基于深度学习的铸件内部缺陷分级评估系统及方法 | |
CN105184783A (zh) | 玻璃缺陷类型识别系统 | |
CN106875413A (zh) | 一种基于高光谱成像的粘连红细胞自动计数方法 | |
CN115453275B (zh) | 一种用于局部放电模式识别算法的prpd图谱数据增强方法 | |
CN111626358B (zh) | 一种基于bim图片识别的隧道围岩分级方法 | |
CN116399588A (zh) | 一种小样本下基于WPD和AFRB-LWUNet的滚动轴承故障诊断方法 | |
CN103455986B (zh) | 基于分数阶微分梯度的随机噪声点检测方法 | |
CN109697693B (zh) | 一种实现基于大数据空间运算的方法 | |
CN117152435A (zh) | 一种基于U-Net3+的遥感语义分割方法 | |
CN109945075B (zh) | 一种供水管道泄漏程度检测方法及装置 | |
CN116778346A (zh) | 一种基于改进自注意力机制的管线识别方法及系统 | |
CN116797594A (zh) | 一种风机桨叶缺陷检测方法、系统、电子设备及存储介质 | |
CN114756640B (zh) | 一种海面高度数据的评价方法及装置 | |
CN116309526A (zh) | 纸杯缺陷检测方法及装置 | |
CN109785315A (zh) | 烟梗重量的测量方法、存储介质、终端及装置 | |
CN109074654A (zh) | 连通域检测方法、电路、设备、计算机可读存储介质 | |
CN102692459A (zh) | 数据压缩的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |