(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210888442.9 (22)申请日 2022.07.27 (71)申请人 国网吉林省电力有限公司电力科 学 研究院 地址 130021 吉林省长 春市朝阳区人民大 街4433号 申请人 吉林省电力科 学研究院有限公司 　 西安交通大 学 (72)发明人 列剑平　杨代勇　刘赫　李易　 任明　矫立新　刘俊博　栾靖尧　 高昌龙　司昌建　李守学　杨明　 朱大铭　林海丹　赵春明　刘座铭　 刘春搏　姜浩　刘丹　姜露　 董洪达　许文燮　于群英　张赛鹏　 葛志成　陈捷元　崔天城　翟冠强　 邰宇峰　李嘉帅　白羽　张雷　(74)专利代理 机构 长春市吉利专利事务所(普 通合伙) 22206 专利代理师 王楠楠　李晓莉 (51)Int.Cl. G01R 31/12(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种权重自适应的电力设备外绝缘声光协 同诊断方法 (57)摘要 本发明公开了一种权重自适应的电力设备 外绝缘声光协同诊断方法， 属于电力设备绝缘状 态诊断领域， 该方法通过自适应权重将超声图像 和紫外图像的信息融合， 得到局部放电位置信息 图谱， 协同诊断电力设备外绝缘状态。 该方法的 主要步骤为通过BP神经网络模型训练得到局部 放电融合信息， 然后结合费舍尔判别准则计算协 同诊断的权重， 最终计算完成融合得到局部放电 信息结果。 与现有的技术相比， 本发明的协 同诊 断方法利用超声检测和紫外检测的技术优势， 弥 补了单一方法的不足， 进一步提升检测准确率， 检测可靠性高。 权利要求书2页 说明书5页 附图3页 CN 115291055 A 2022.11.04 CN 115291055 A 1.一种权重自适应的电力设备外绝缘声光协同诊断方法， 其特征在于， 所述方法包括 以下步骤： S1、 通过超声检测、 紫外检测对电力设备外绝缘状态进行评估， 获取超声图像和紫外图 像； 同时检测环境的信噪比SNR； S2、 将步骤S1中所得的超声图像和紫外图像进行加权融合得到局部放电融合信息， 融 合后作为前景图像， 并将可见光相 机拍摄的可见光图像作为背景图像， 对前景图像和背景 图像进行局部放电检测图像融合， 得到局部放电位置信息图， 从而评价电力 设备外绝缘状 态； 其中， 步骤S2中超声图像和紫外图像融合权重随环境信噪 比的不同而改变； 超声图像 和紫外图像融合权 重的计算是通过费舍尔准则实现的， 具体过程 为： ①假设数据集中有n个样本属于p类， 每类包含ni个样本， 类间方差为 类内方差为 则数据集内特 征k的计算表达式为： 其中x(k)是特征为k的样本； 是类i的平均值； m(k)是特征k的所有样本平均值， x表示 样本， 共有n个样本， ni表示每一类里面的样本数； ②特征k的JF值为： ③计算不同信噪比情况 下的JF(k)值， 则不同信噪比下的权 重为： 其中i＝1,2分别代表超声图像和紫外图像； 指的是图像i在信噪比SNR下的权 重； JF(i,SNR)是指图像i在信噪比SNR下的JF值。 2.根据权利要求1所述的权重自适应的电力设备外绝缘声光协同诊断方法， 其特征在 于： 步骤S2中， 超声图像和紫外图像进 行加权融合得到局部放电融合信息， 融合后作为前景 图像， 并将可见光相 机拍摄的可见光图像作为背景图像， 对前景图像和背景图像进行局部 放电检测图像融合， 得到局部放电位置信息图的具体过程包括： ①构建两个BP神经网络， 两个BP神经网络分别用于输入超声检测、 紫外检测的样本， 输 出超声、 紫外的局部放电融合信息 Yul、 Yuv； ②超声图像、 紫外 图像和可见光相机拍摄的可见光图像经图像处理、 特征提取后分别权　利　要　求　书 1/2 页 2 CN 115291055 A 2得到超声声 强US、 紫外光子数vn和可见光图像， 所提取的超声声 强US和紫外光子数vn分别同 环境信噪比一起输入各自对应的已训练好的BP神经网络中， 分别输出超声、 紫外的局部放 电融合信息 Yul、 Yuv； ③将输出的超声、 紫外局 部放电融合信息Yul、 Yuv分别与权重 相乘， 得到 局部放电协同诊断位置信息Yfu， 然后将局部放电协同诊断 位置信息Yfu归一化处理， 归一化处理后进一步经过伪彩化处理， 按局部放电融合信息的强 度划分区间并匹配不同的颜色， 将局部放电融合信息强度矩阵转化为色彩强度矩阵， 从而 完成伪彩化； 将伪彩化的图像作为前景图像与可见光图像通过基于α 分量的融合方法融合 即为最终的局部放电协同诊断位置信息图。 3.根据权利要求2所述的权重自适应的电力设备外绝缘声光协同诊断方法， 其特征在 于： 在构建BP神经网络时， BP神经网络训练的具体步骤为： ①设置BP神经网络的超参数， 根据待检测对象确定神经网络的输入层、 隐藏层和输出 层神经元个数， 同时确定其训练精度； ②将训练样本 输入BP神经网络中， 进行 前馈传播， 计算训练误差； ③利用adamax 优化算法， 进行反馈过程， 降低训练误差， 完成单次BP神经网络训练； ④重复步骤 ②和步骤③， 直至达到设定训练次数或训练误差满足训练精度为止， 结束 训练。 4.根据权利要求3所述的权重自适应的电力设备外绝缘声光协同诊断方法， 其特征在 于： 输入的训练样本是通过针 ‑板放电模型获取的； 具体的样本获取模拟条件根据待检测对 象情况设置， 基本规则为： 通过局部放电模型模拟局部放电信号的产生， 采集过程中限定紫 外图像的采集帧率和录制时间， 同时限定拍摄距离范围； 超声图像的采集同样限定采集距 离范围， 拍摄时以正对物体所在位置为法向， 选取相机、 物体的连线与法向形成的角度进 行 拍摄， 间隔固定的角度拍摄一组， 采集局部放电信号的超声传感器接收频率设定在20 ‑ 60kHz， 通过添加高斯白噪声模拟不同的信噪比。权　利　要　求　书 2/2 页 3 CN 115291055 A 3