(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 20221082090 6.2 (22)申请日 2022.07.13 (71)申请人 国网江苏省电力有限公司 地址 210029 江苏省南京市 鼓楼区上海路 215号 申请人 国网江苏省电力有限公司电力科 学 研究院　 国网江苏省电力有限公司双创中心 　 江苏省电力试验研究院有限公司 (72)发明人 丁然　腾云　赵科　庄添鑫　 李洪涛　马径坦　李玉杰　肖焓艳　 刘咏飞　张照辉　徐阳　高山　 陈少波　杨景刚　刘建军　孙蓉　 (74)专利代理 机构 苏州市中南伟业知识产权代 理事务所(普通 合伙) 32257 专利代理师 冯瑞(51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06N 20/00(2019.01) G01R 31/12(2006.01) (54)发明名称 GIS局部放电类型识别模型训练方法、 识别 方法及系统 (57)摘要 本发明公开了一种GIS局部放电类型识别模 型训练方法、 识别方法及系统， 本发明从典型局 部放电的PRPD图谱中提取统计特征向量和纹理 特征向量， 并将纹理特征向量进行融合降维， 与 统计特征向量共同构成图谱特征集， 然后划分出 训练样本集对SVM模型进行训练， 在训练中采用 HHO算法优化SV M模型参数， 克服了传统局部放电 类型识别模型需要大量训练数据支撑和 需要各 类型数据样本数量均衡的局限性。 权利要求书2页 说明书7页 附图2页 CN 115239971 A 2022.10.25 CN 115239971 A 1.GIS局部放电类型识别模型训练方法， 其特 征在于， 包括： 获取GIS典型局部放电的PRP D图谱； 提取PRPD图谱的统计特征向量和纹理特征向量， 并将纹理特征向量进行融合降维， 与 统计特征向量共同构成图谱特 征集； 从图谱特征集中划分出训练样本集， 采用训练样本训练GIS局部放电类型识别 模型； 其 中， GIS局部放电类型识别模型为SVM模型， 在训练中采用H HO算法优化SVM模型参数。 2.根据权利 要求1所述的GIS局部放电类型识别 模型训练方法， 其特征在于， GIS典型局 部放电的PRPD图谱包括GIS绝缘放电的PRPD图谱、 GIS悬浮放电的PRPD图谱、 GIS电晕放电的 PRPD图谱和GIS自由粒子放电的PRP D图谱。 3.根据权利要求1所述的GIS局部放电类型识别模型训练方法， 其特征在于， 统计特征 向量中的元素包括偏斜度、 陡峭度、 相位不对称度、 放电量因数和相位相关系数； 其中， 偏斜 度用来反映PRPD图谱 形状相对于正态分布的左右偏斜程度， 陡峭度用于描述PRPD图谱 形状 的分布对比于正态分布形状的突起程度， 相位不对称度用来描述PRPD图谱正负半周期上初 始电压的相位分布差异， 放电量因数和相位相关系数用于描述PRPD图谱正负半周的轮廓差 异。 4.根据权利要求1所述的GIS局部放电类型识别模型训练方法， 其特征在于， 纹理特征 向量中的元 素包括PRP D图谱形状的轮廓信息和梯度方向。 5.GIS局部放电类型识别模型训练系统， 其特 征在于， 包括： 典型图谱获取模块， 获取GIS典型局部放电的PRP D图谱； 典型图谱特征提取融合模块， 提取PRPD图谱的统计特征向量和纹理特征向量， 并将纹 理特征向量进行融合降维， 与统计特 征向量共同构成图谱特 征集； 训练模块， 从图谱特征集中划分出训练样本集， 采用训练样本训练GIS局部放电类型识 别模型； 其中， GIS局部放电类型识别模 型为SVM模 型， 在训练中采用HH O算法优化SVM模 型参 数。 6.根据权利要求5所述的GIS局部放电类型识别模型训练系统， 其特征在于， 统计特征 向量中的元素包括偏斜度、 陡峭度、 相位不对称度、 放电量因数和相位相关系数； 其中， 偏斜 度用来反映PRPD图谱 形状相对于正态分布的左右偏斜程度， 陡峭度用于描述PRPD图谱 形状 的分布对比于正态分布形状的突起程度， 相位不对称度用来描述PRPD图谱正负半周期上初 始电压的相位分布差异， 放电量因数和相位相关系数用于描述PRPD图谱正负半周的轮廓差 异。 7.根据权利要求5所述的GIS局部放电类型识别模型训练系统， 其特征在于， 纹理特征 向量中的元 素包括PRP D图谱形状的轮廓信息和梯度方向。 8.GIS局部放电类型识别方法， 其特 征在于， 包括： 获取GIS局部放电的PRP D图谱； 提取PRPD图谱的统计特征向量和纹理特征向量， 并将纹理特征向量进行融合降维， 与 统计特征向量共同构成图谱特 征集； 将图谱特征集输入预先训练的GIS局部放电类型识别 模型， 获得GIS局部放电类型识别 结果； 其中， GIS局部放电类型识别模型采用权利要求1~4任意一项所述的方法训练。 9.GIS局部放电类型识别系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115239971 A 2图谱获取模块， 获取GIS局部放电的PRP D图谱； 图谱特征提取融合模块， 提取PRPD图谱的统计特征向量和纹理特征向量， 并将纹理特 征向量进行融合降维， 与统计特 征向量共同构成图谱特 征集； 识别模块， 将图谱特征向量集输入预先训练的GIS局部放电类型识别模型， 获得GIS局 部放电类型识别 结果； 其中， GIS局部放电类型识别模型采用权利要求1~4任意一项所述的 方法训练。 10.一种存储一个或多个程序的计算机可读存储介质， 其特征在于， 所述一个或多个程 序包括指 令， 所述指 令当由计算设备执行时， 使 得所述计算设备执行根据权利要求 1~4、 8所 述的方法中的任一方法。权　利　要　求　书 2/2 页 3 CN 115239971 A 3