CN112730654A - 六氟化硫电气设备故障检测方法、装置及终端设备 - Google Patents

Abstract

本发明提供了一种六氟化硫电气设备故障检测方法、装置及终端设备，该方法包括：获取目标六氟化硫电气设备中各种杂质气体的含量；对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识；基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体；根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至概率神经网络模型中，得到六氟化硫电气设备的故障种类。本发明提供的六氟化硫电气设备故障检测方法、装置及终端设备能够提高六氟化硫电气设备故障的故障检测精度。

Description

六氟化硫电气设备故障检测方法、装置及终端设备

技术领域

本发明属于故障检测技术领域，更具体地说，是涉及一种六氟化硫电气设备故障检测方法、装置及终端设备。

背景技术

随着电压等级和系统容量的提高，电网中六氟化硫电气设备的用量快速增加，设备内部绝缘故障概率趋于上升，因此如何实现六氟化硫电气设备的故障检测成为本领域技术人员亟需解决的问题。

已知六氟化硫电气设备在出现放电故障时，其内部的六氟化硫气体会分解成多种衍生物，产生多种杂质气体，因此现有技术中通常通过分析其中几种杂质气体的含量来进行六氟化硫电气设备的故障诊断，但是仅基于某几种杂质气体的含量来进行六氟化硫电气设备的故障诊断并不准确。

发明内容

本发明的目的在于提供一种六氟化硫电气设备故障检测方法、装置及终端设备，以提高六氟化硫电气设备的故障检测精度。

本发明实施例的第一方面，提供了一种六氟化硫电气设备故障检测方法，所述六氟化硫电气设备故障检测方法包括：

获取目标六氟化硫电气设备中各种杂质气体的含量；

基于各种杂质气体对应的预设含量范围对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识；

基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对所述各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体；其中，各种杂质气体的影响度为各种杂质气体对六氟化硫电气设备的绝缘性能的影响程度；

根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至所述概率神经网络模型中，得到六氟化硫电气设备的故障种类。

本发明实施例的第二方面，提供了一种六氟化硫电气设备故障检测装置，所述六氟化硫电气设备故障检测装置包括：

数据获取模块，用于获取目标六氟化硫电气设备中各种杂质气体的含量；

模糊转换模块，用于基于各种杂质气体对应的预设含量范围对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识；

气体划分模块，用于基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对所述各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体；其中，各种杂质气体的影响度为各种杂质气体对六氟化硫电气设备的绝缘性能的影响程度；

故障诊断模块，用于根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至所述概率神经网络模型中，得到六氟化硫电气设备的故障种类。

本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的六氟化硫电气设备故障检测方法的步骤。

本发明实施例的第四方面，提供了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计算机程序，所述计算机程序被处理器执行时实现上述的六氟化硫电气设备故障检测方法的步骤。

本发明实施例提供的六氟化硫电气设备故障检测方法、装置及终端设备的有益效果在于：

1)本发明基于各种杂质气体对应的含量标识确定了各种杂质气体的影响度，基于各种杂质气体的影响度对杂质气体进行分类，有效地筛选出了目标杂质气体，基于目标杂质气体进行六氟化硫电气设备的故障诊断。区别于现有技术中人工指定目标杂质气体的方案，本发明的方法基于杂质气体的影响度确定目标杂质气体的方案准确性更高。

2)区别于现有技术中直接基于预设阈值进行杂质气体含量判断，进而进行六氟化硫电气设备故障诊断的方案，本发明基于概率神经网络实现六氟化硫电气设备的故障诊断。本发明在进行故障诊断时，可以直接将多种目标杂质气体的气体含量作为概率神经网络的输入量，能够考虑到各种杂质气体之间的联系，而现有技术只能考虑某一种目标杂质气体对六氟化硫电气设备绝缘性能的影响。因此，本发明相对于现有技术具备更高的故障诊断准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的六氟化硫电气设备故障检测方法的流程示意图；

图2为本发明一实施例提供的六氟化硫电气设备故障检测装置的结构框图；

图3为本发明一实施例提供的终端设备的示意框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参考图1，图1为本发明一实施例提供的六氟化硫电气设备故障检测方法的流程示意图，该方法包括：

S101：获取目标六氟化硫电气设备中各种杂质气体的含量。

在本实施例中，各种杂质气体包括但不限于SF₂、HF、SF₄、SOF₂、CF₄、SO₂、H₂O、SiF₄等。

S102：基于各种杂质气体对应的预设含量范围对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识。

在本实施例中，某种杂质气体对应的预设含量范围可以为一个范围，两个范围，也可以为多个范围，不同的范围对应不同的含量标识。

例如，某种杂质气体对应的预设含量范围可以包括第一预设范围(小于N1nmol/J)、第二预设范围(大于等于N1 nmol/J，小于N2 nmol/J)、第三预设范围(大于等于N2nmol/J，小于N3 nmol/J)，第四预设范围(大于等于N3nmol/J)，在该种杂质气体的含量在第一预设范围时，可将该种杂质气体对应的含量标识记为“00”，在该种杂质气体的含量在第一预设范围时，可将该种杂质气体对应的含量标识记为“01”，在该种杂质气体的含量在第一预设范围时，可将该种杂质气体对应的含量标识记为“10”，在该种杂质气体的含量在第一预设范围时，可将该种杂质气体对应的含量标识记为“11”。

S103：基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体。

在本实施例中，各种杂质气体的影响度为各种杂质气体对六氟化硫电气设备的绝缘性能的影响程度。

在本实施例中，基于各种杂质气体的影响度对各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体，可以详述为：

若某种杂质气体的影响度大于预设影响度值，则将该种杂质气体划分为目标杂质气体。若某种杂质气体的影响度不大于预设影响度值，则将该种杂质气体划分为非目标杂质气体。

也就是说，在本实施例中，目标杂质气体为影响度值大于预设影响度值的气体，非目标杂质气体为影响度值不大于预设影响度值的气体。

S104：根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至概率神经网络模型中，得到六氟化硫电气设备的故障种类。

在本实施例中，也可预先建立各个目标杂质气体的气体种类组合对应的概率神经网络模型，在对目标六氟化硫电气设备进行故障诊断时，直接基于各种目标杂质气体的气体种类获取对应的概率神经网络模型，然后将各种目标杂质气体对应的含量标识输入至概率神经网络模型中，得到六氟化硫电气设备的故障种类。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测方法的一种具体实施方式，六氟化硫电气设备故障检测方法还可以包括：

对于某种非目标杂质气体，若该种非目标杂质气体的含量超出该种非目标杂质气体对应的预设含量范围，则将该种非目标杂质气体重新划分为目标杂质气体。

在本实施例中，在基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对各种杂质气体进行划分之后，还可以对各种非目标杂质气体进行含量检测。对于某种非目标杂质气体，若该种非目标杂质气体的含量超出该种非目标杂质气体对应的预设含量范围，则将该种非目标杂质气体重新划分为目标杂质气体。此种方法可以筛选影响度较低但是气体含量异常的杂质气体，将此种杂质气体加入到目标六氟化硫电气设备故障诊断的计算中，可以有效提高标六氟化硫电气设备故障诊断的准确性。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测方法的一种具体实施方式，基于各种杂质气体的含量确定各种杂质气体的影响度，包括：

基于主成分分析法和各种杂质气体的含量对各种杂质气体进行主成分分析，得到各种杂质气体对应的总方差占比，将各种杂质气体对应的总方差占比作为各种杂质气体的影响度。

在本实施例中，也可基于主成分分析法和各种杂质气体的含量对各种杂质气体进行主成分分析，得到各种杂质气体对应的特征值及各种杂质气体对应的特征值占总方差的比例(也即各种杂质气体对应的总方差占比)。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测方法的一种具体实施方式，根据各种目标杂质气体的气体种类构建概率神经网络模型，包括：

根据各种目标杂质气体的气体种类获取历史样本数据，历史样本数据包括各种目标杂质气体的历史含量以及在历史含量下目标六氟化硫电气设备的故障种类。

基于历史样本数据中各种目标杂质气体的历史含量对历史样本数据进行扩充，得到扩充后的样本数据。

基于扩充后的样本数据训练得到与各种目标杂质气体的气体种类对应的概率神经网络模型。

在本实施例中，可根据各种目标杂质气体的气体种类获取历史样本数据，基于历史样本数据进行概率神经网络模型的训练。

在本实施例中，为了解决本领域中样本数量低的问题，可首先对历史样本数据进行扩充，得到扩充后的样本数据，基于扩充后的样本数据训练概率神经网络模型。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测方法的一种具体实施方式，基于历史样本数据中各种目标杂质气体的历史含量对历史样本数据进行扩充，得到扩充后的样本数据，包括：

获取多个预设的放电消耗能量值，并基于各个放电消耗能量值以及预设的能量值范围确定各个放电消耗能量值对应的故障种类。

确定各个放电消耗能量值对应的各种目标杂质气体的含量变化量，并根据各个放电消耗能量值对应的各种目标杂质气体的含量变化量、以及历史样本数据中各种目标杂质气体的含量确定各个放电消耗能量值对应的各种目标杂质气体的含量。

将各个放电消耗能量值对应的故障种类、各个放电消耗能量值对应的各种目标杂质气体的含量添加至历史样本数据中，得到扩充后的样本数据。

在本实施例中，可预先设定多个放电消耗能量值，基于各个放电消耗能量值以及预设的能量值范围确定各个放电消耗能量值对应的故障种类(也即确定了概率神经网络模型的理论输出量)。其中，故障种类可以为电弧放电故障、火花放电故障、电晕放电故障等。

在本实施例中，确定各个放电消耗能量值后，可基于历史样本数据中各种目标杂质气体的含量、以及目标六氟化硫电气设备内气体的电解方程确定目标六氟化硫电气设备内各种目标杂质气体的含量变化量。在此基础上，将各个放电消耗能量值对应的各种目标杂质气体的含量变化量、以及历史样本数据中各种目标杂质气体的含量相加，即可得到各个放电消耗能量值对应的各种目标杂质气体的含量(也即确定了概率神经网络模型的输入量)。最后，将各个放电消耗能量值对应的故障种类、各个放电消耗能量值对应的各种目标杂质气体的含量添加至历史样本数据中，即可得到扩充后的样本数据。

对应于上文实施例的六氟化硫电气设备故障检测方法，图2为本发明一实施例提供的六氟化硫电气设备故障检测装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图2，该六氟化硫电气设备故障检测装置20包括：数据获取模块21、模糊转换模块22、气体划分模块23、故障诊断模块24。

其中，数据获取模块21，用于获取目标六氟化硫电气设备中各种杂质气体的含量。

模糊转换模块22，用于基于各种杂质气体对应的预设含量范围对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识。

气体划分模块23，用于基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体。其中，各种杂质气体的影响度为各种杂质气体对六氟化硫电气设备的绝缘性能的影响程度。

故障诊断模块24，用于根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至概率神经网络模型中，得到六氟化硫电气设备的故障种类。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测装置的一种具体实施方式，气体划分模块23还用于执行以下步骤：

对于某种非目标杂质气体，在该种非目标杂质气体的含量超出该种非目标杂质气体对应的预设含量范围时，将该种非目标杂质气体重新划分为目标杂质气体。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测装置的一种具体实施方式，基于各种杂质气体的含量确定各种杂质气体的影响度，包括：

基于主成分分析法和各种杂质气体的含量对各种杂质气体进行主成分分析，得到各种杂质气体对应的总方差占比，将各种杂质气体对应的总方差占比作为各种杂质气体的影响度。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测装置的一种具体实施方式，基于各种杂质气体的影响度对各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体，包括：

若某种杂质气体的影响度大于预设影响度值，则将该种杂质气体划分为目标杂质气体。

若某种杂质气体的影响度不大于预设影响度值，则将该种杂质气体划分为非目标杂质气体。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测装置的一种具体实施方式，根据各种目标杂质气体的气体种类构建概率神经网络模型，包括：

根据各种目标杂质气体的气体种类获取历史样本数据，历史样本数据包括各种目标杂质气体的历史含量以及在历史含量下目标六氟化硫电气设备的故障种类。

基于历史样本数据中各种目标杂质气体的历史含量对历史样本数据进行扩充，得到扩充后的样本数据。

基于扩充后的样本数据训练得到与各种目标杂质气体的气体种类对应的概率神经网络模型。

可选地，作为本发明实施例提供的六氟化硫电气设备故障检测装置的一种具体实施方式，基于历史样本数据中各种目标杂质气体的历史含量对历史样本数据进行扩充，得到扩充后的样本数据，包括：

获取多个预设的放电消耗能量值，并基于各个放电消耗能量值以及预设的能量值范围确定各个放电消耗能量值对应的故障种类。

确定各个放电消耗能量值对应的各种目标杂质气体的含量变化量，并根据各个放电消耗能量值对应的各种目标杂质气体的含量变化量、以及历史样本数据中各种目标杂质气体的含量确定各个放电消耗能量值对应的各种目标杂质气体的含量。

将各个放电消耗能量值对应的故障种类、各个放电消耗能量值对应的各种目标杂质气体的含量添加至历史样本数据中，得到扩充后的样本数据。

参见图3，图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括：一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、则输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序，计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中，处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图2所示模块21至24的功能。

应当理解，在本发明实施例中，所称处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。

该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的六氟化硫电气设备故障检测方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。

在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端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。

在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种六氟化硫电气设备故障诊断方法，其特征在于，包括：

获取目标六氟化硫电气设备中各种杂质气体的含量；

基于各种杂质气体对应的预设含量范围对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识；

基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对所述各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体；其中，各种杂质气体的影响度为各种杂质气体对六氟化硫电气设备的绝缘性能的影响程度；

根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至所述概率神经网络模型中，得到六氟化硫电气设备的故障种类。

2.如权利要求1所述的六氟化硫电气设备故障诊断方法，其特征在于，在根据各种目标杂质气体的气体种类获取对应的概率神经网络模型之前，还包括：

对于某种非目标杂质气体，若该种非目标杂质气体的含量超出该种非目标杂质气体对应的预设含量范围，则将该种非目标杂质气体重新划分为目标杂质气体。

3.如权利要求1所述的六氟化硫电气设备故障诊断方法，其特征在于，所述基于各种杂质气体的含量确定各种杂质气体的影响度，包括：

基于主成分分析法和各种杂质气体的含量对各种杂质气体进行主成分分析，得到各种杂质气体对应的总方差占比，将各种杂质气体对应的总方差占比作为各种杂质气体的影响度。

4.如权利要求1所述的六氟化硫电气设备故障检测方法，其特征在于，所述基于各种杂质气体的影响度对所述各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体，包括：

若某种杂质气体的影响度大于预设影响度值，则将该种杂质气体划分为目标杂质气体；

若某种杂质气体的影响度不大于预设影响度值，则将该种杂质气体划分为非目标杂质气体。

5.如权利要求1所述的六氟化硫电气设备故障检测方法，其特征在于，所述根据各种目标杂质气体的气体种类构建概率神经网络模型，包括：

根据各种目标杂质气体的气体种类获取历史样本数据，所述历史样本数据包括各种目标杂质气体的历史含量以及在所述历史含量下目标六氟化硫电气设备的故障种类；

基于所述历史样本数据中各种目标杂质气体的历史含量对所述历史样本数据进行扩充，得到扩充后的样本数据；

基于扩充后的样本数据训练得到与各种目标杂质气体的气体种类对应的概率神经网络模型。

6.如权利要求5所述的六氟化硫电气设备故障检测方法，其特征在于，所述基于所述历史样本数据中各种目标杂质气体的历史含量对所述历史样本数据进行扩充，得到扩充后的样本数据，包括：

获取多个预设的放电消耗能量值，并基于各个放电消耗能量值以及预设的能量值范围确定各个放电消耗能量值对应的故障种类；

确定各个放电消耗能量值对应的各种目标杂质气体的含量变化量，并根据各个放电消耗能量值对应的各种目标杂质气体的含量变化量、以及所述历史样本数据中各种目标杂质气体的含量确定各个放电消耗能量值对应的各种目标杂质气体的含量；

将各个放电消耗能量值对应的故障种类、各个放电消耗能量值对应的各种目标杂质气体的含量添加至所述历史样本数据中，得到扩充后的样本数据。

7.一种六氟化硫电气设备故障检测装置，其特征在于，包括：

数据获取模块，用于获取目标六氟化硫电气设备中各种杂质气体的含量；

模糊转换模块，用于基于各种杂质气体对应的预设含量范围对各种杂质气体的含量进行模糊化转换，得到各种杂质气体对应的含量标识；

气体划分模块，用于基于各种杂质气体的含量确定各种杂质气体的影响度，并基于各种杂质气体的影响度对所述各种杂质气体进行划分，得到多种目标杂质气体和多种非目标杂质气体；其中，各种杂质气体的影响度为各种杂质气体对六氟化硫电气设备的绝缘性能的影响程度；

故障诊断模块，用于根据各种目标杂质气体的气体种类构建概率神经网络模型，将各种目标杂质气体对应的含量标识输入至所述概率神经网络模型中，得到六氟化硫电气设备的故障种类。

8.如权利要求7所述的六氟化硫电气设备故障检测装置，其特征在于，所述气体划分模块还用于执行以下步骤：

对于某种非目标杂质气体，在该种非目标杂质气体的含量超出该种非目标杂质气体对应的预设含量范围时，将该种非目标杂质气体重新划分为目标杂质气体。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。

Images