System.ArgumentOutOfRangeException: 索引和長(zhǎng)度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及架空高壓輸電線路放電信號(hào)識(shí)別,尤其是涉及一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法。
技術(shù)介紹
1、隨著科技的發(fā)展和電力需求的增加,架空高壓輸電線路在城市與鄉(xiāng)村的電力供應(yīng)系統(tǒng)中的地位日益提高。在電力系統(tǒng)中,架空高壓輸電線路是傳輸電能的重要設(shè)施。然而,由于環(huán)境因素、材料老化和操作不當(dāng)?shù)仍?,這些線路在運(yùn)行過程中可能出現(xiàn)放電現(xiàn)象。局部放電(pd)是指在絕緣材料內(nèi)部或表面的小范圍電氣放電現(xiàn)象,它通常預(yù)示著絕緣材料的老化或損壞,可能導(dǎo)致線路故障、停電以及嚴(yán)重的安全隱患。局部放電信號(hào)具有多種特征,包括頻率、幅值、持續(xù)時(shí)間和波形等。由于局部放電的復(fù)雜性,單一的聲紋特征可能不足以準(zhǔn)確識(shí)別不同類型的放電源。
2、在高壓輸電線路上,通常通過傳感器(如電流傳感器和電壓傳感器)采集放電信號(hào)。這些聲學(xué)信號(hào)通常會(huì)受到噪聲和干擾的影響,因此需要有效的信號(hào)處理技術(shù)來提取有用信息。傳統(tǒng)的放電信號(hào)識(shí)別方法包括閾值法、模糊邏輯、統(tǒng)計(jì)方法等。這些方法在處理簡(jiǎn)單的信號(hào)時(shí)較為有效,但在面對(duì)復(fù)雜和多變的放電信號(hào)時(shí),往往存在識(shí)別率低和準(zhǔn)確性不足的問題。如今,隨著智能化水平的提高,對(duì)各類數(shù)據(jù)的采集速度和數(shù)量級(jí)都取得了顯著提升,其為深度學(xué)習(xí)方法在局部放電信號(hào)識(shí)別領(lǐng)域的廣泛應(yīng)用奠定了良好基礎(chǔ)。
3、作為當(dāng)前廣泛采用的智能研究方法,深度學(xué)習(xí)能夠自動(dòng)提取和學(xué)習(xí)聲學(xué)信號(hào)中的復(fù)雜特征,無需手動(dòng)設(shè)計(jì)特征,顯著提高了檢測(cè)的準(zhǔn)確性與效率。在此基礎(chǔ)上還能夠處理大量數(shù)據(jù),有很強(qiáng)的適應(yīng)性,適合在實(shí)時(shí)監(jiān)測(cè)和動(dòng)態(tài)環(huán)境下的應(yīng)用。除此之外,深度學(xué)習(xí)
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是提供一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,噪聲干擾條件下的架空高壓輸電線路放電信號(hào)的降噪、識(shí)別及其噪聲分類。
2、本專利技術(shù)提供了一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,包括以下步驟:
3、s1、將不含噪聲和含有噪聲的局部放電信號(hào)采集;
4、s2、對(duì)不含噪聲的局部放電信號(hào)進(jìn)行變分模態(tài)分解vmd;
5、s3、對(duì)含有噪聲的局部放電信號(hào)進(jìn)行變分模態(tài)分解vmd;將篩選出的局部放電信號(hào)主導(dǎo)的模態(tài)分量imf與殘差重構(gòu);
6、s4、讀取多種噪聲類型的局部放電信號(hào)數(shù)據(jù)集,為局部放電信號(hào)數(shù)據(jù)集制作標(biāo)簽并將標(biāo)簽轉(zhuǎn)換為獨(dú)熱編碼;將局部放電信號(hào)數(shù)據(jù)集劃分訓(xùn)練集和測(cè)試集并進(jìn)行歸一化處理;
7、s5、卷積神經(jīng)網(wǎng)絡(luò)cnn模型搭建:
8、s6、利用灰狼優(yōu)化算法gwo對(duì)卷積神經(jīng)網(wǎng)絡(luò)cnn模型中卷積層的卷積核個(gè)數(shù)進(jìn)行參數(shù)優(yōu)化;
9、s7、將預(yù)處理后的訓(xùn)練集與測(cè)試集導(dǎo)入?yún)?shù)優(yōu)化后卷積神經(jīng)網(wǎng)絡(luò)cnn模型中并對(duì)卷積神經(jīng)網(wǎng)絡(luò)cnn模型進(jìn)行訓(xùn)練與模式識(shí)別;
10、s8、通過主成分分析pca和matplotlib完成卷積神經(jīng)網(wǎng)絡(luò)cnn模型模式識(shí)別的結(jié)果可視化。
11、優(yōu)選的,在步驟s1中,聲音傳感器以及信號(hào)采集卡在放電實(shí)驗(yàn)臺(tái)上,以48000hz為采樣頻率采集20kv局部放電信號(hào),并通過播放提前錄制的風(fēng)、雨等噪聲,得到含有噪聲的局部放電信號(hào)。
12、優(yōu)選的,在步驟s2中,計(jì)算不同模態(tài)分解層數(shù)時(shí)的模態(tài)分量imfs的分解情況,并求出各模態(tài)分量imf的中心頻率;選取最佳模態(tài)分解層數(shù)并記錄對(duì)應(yīng)模態(tài)分量imf的中心頻率;
13、優(yōu)選的,在步驟s3中,得到與最佳模態(tài)分解層數(shù)中心頻率最接近的模態(tài)分量imf,此模態(tài)分量imf作為閾值進(jìn)行篩選局部放電信號(hào)主導(dǎo)的imf分量,其余模態(tài)分量imf視為噪聲主導(dǎo)的imf分量。
14、優(yōu)選的,在步驟s3中,得到的重構(gòu)信號(hào)作為降噪后的局部放電信號(hào),將重構(gòu)信號(hào)與各類含不同噪聲的局部放電信號(hào)組成局部放電信號(hào)數(shù)據(jù)集。
15、優(yōu)選的,在步驟s4中,讀取多種噪聲類型的局部放電信號(hào)數(shù)據(jù),不同噪聲類型的放電信號(hào)數(shù)據(jù)均截取240000個(gè)數(shù)據(jù)點(diǎn),并按單個(gè)樣本數(shù)據(jù)點(diǎn)數(shù)為400的標(biāo)準(zhǔn)將截取的不同噪聲類型數(shù)據(jù)切分為600個(gè)樣本;為局部放電信號(hào)數(shù)據(jù)集制作標(biāo)簽并將標(biāo)簽轉(zhuǎn)換為獨(dú)熱編碼,將每種類型的樣本按7:3的比例劃分訓(xùn)練集、測(cè)試集,并進(jìn)行歸一化處理。
16、優(yōu)選的,在步驟s5中,卷積神經(jīng)網(wǎng)絡(luò)cnn模型包括輸入層、卷積層、歸一層、最大池化層、全連接層和輸出層。
17、因此,本專利技術(shù)采用上述的一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,變分模態(tài)分解vmd能夠有效地將復(fù)雜信號(hào)分解成多個(gè)具有不同頻率特征的模態(tài),通過vmd變分模態(tài)分解完成了對(duì)放電信號(hào)的降噪;利用灰狼優(yōu)化算法gwo對(duì)cnn的超參數(shù)進(jìn)行了優(yōu)化;主成分分析pca被用于對(duì)模式識(shí)別的結(jié)果進(jìn)行可視化。
18、下面通過附圖和實(shí)施例,對(duì)本專利技術(shù)的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于VMD-GWO-CNN的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,包括以下步驟:
2.根據(jù)權(quán)利要求1所述的一種基于VMD-GWO-CNN的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟S1中,聲音傳感器以及信號(hào)采集卡在放電實(shí)驗(yàn)臺(tái)上,以48000Hz為采樣頻率采集20kv局部放電信號(hào),并通過播放提前錄制的風(fēng)、雨等噪聲,得到含有噪聲的局部放電信號(hào)。
3.根據(jù)權(quán)利要求1所述的一種基于VMD-GWO-CNN的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟S2中,計(jì)算不同模態(tài)分解層數(shù)時(shí)的模態(tài)分量IMFs的分解情況,并求出各模態(tài)分量IMF的中心頻率;選取最佳模態(tài)分解層數(shù)并記錄對(duì)應(yīng)模態(tài)分量IMF的中心頻率。
4.根據(jù)權(quán)利要求1所述的一種基于VMD-GWO-CNN的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟S3中,得到與最佳模態(tài)分解層數(shù)中心頻率最接近的模態(tài)分量IMF,此模態(tài)分量IMF作為閾值進(jìn)行篩選局部放電信號(hào)主導(dǎo)的IMF分量,其余模態(tài)分量IMF視為噪聲主導(dǎo)的IMF分量。
5.根據(jù)權(quán)利要求1所述的一種基于VMD
6.根據(jù)權(quán)利要求1所述的一種基于VMD-GWO-CNN的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟S4中,讀取多種噪聲類型的局部放電信號(hào)數(shù)據(jù),不同噪聲類型的放電信號(hào)數(shù)據(jù)均截取240000個(gè)數(shù)據(jù)點(diǎn),并按單個(gè)樣本數(shù)據(jù)點(diǎn)數(shù)為400的標(biāo)準(zhǔn)將截取的不同噪聲類型數(shù)據(jù)切分為600個(gè)樣本;為局部放電信號(hào)數(shù)據(jù)集制作標(biāo)簽并將標(biāo)簽轉(zhuǎn)換為獨(dú)熱編碼,將每種類型的樣本按7:3的比例劃分訓(xùn)練集、測(cè)試集,并進(jìn)行歸一化處理。
7.根據(jù)權(quán)利要求1所述的一種基于VMD-GWO-CNN的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟S5中,卷積神經(jīng)網(wǎng)絡(luò)CNN模型包括輸入層、卷積層、歸一層、最大池化層、全連接層和輸出層。
...【技術(shù)特征摘要】
1.一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,包括以下步驟:
2.根據(jù)權(quán)利要求1所述的一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟s1中,聲音傳感器以及信號(hào)采集卡在放電實(shí)驗(yàn)臺(tái)上,以48000hz為采樣頻率采集20kv局部放電信號(hào),并通過播放提前錄制的風(fēng)、雨等噪聲,得到含有噪聲的局部放電信號(hào)。
3.根據(jù)權(quán)利要求1所述的一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟s2中,計(jì)算不同模態(tài)分解層數(shù)時(shí)的模態(tài)分量imfs的分解情況,并求出各模態(tài)分量imf的中心頻率;選取最佳模態(tài)分解層數(shù)并記錄對(duì)應(yīng)模態(tài)分量imf的中心頻率。
4.根據(jù)權(quán)利要求1所述的一種基于vmd-gwo-cnn的架空高壓輸電線路放電信號(hào)識(shí)別方法,其特征在于,在步驟s3中,得到與最佳模態(tài)分解層數(shù)中心頻率最接近的模態(tài)分量imf,此模態(tài)分量imf作為閾值進(jìn)行篩選局部放電信號(hào)主導(dǎo)的imf分量,其余...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:郭建勛,艾晨光,劉念,龔志峰,徐哲,蘇廣志,任伯文,馬桂偉,耿磊,趙亞杰,張楠,劉丹,常云彪,李澤,章海鯤,賀博宇,張中強(qiáng),王戶賽,
申請(qǐng)(專利權(quán))人:國(guó)網(wǎng)冀北電力有限公司張家口供電公司,
類型:發(fā)明
國(guó)別省市:
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。