(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 202211305739.4 (22)申请日 2022.10.24 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区自由贸易试 验区源深路1 122号 申请人 同济大学　 华东电力试验研究院有限公司 (72)发明人 高凯　曹培　吴天逸　司文荣　 黄华　金立军　马丹睿　贺建明　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 蔡彭君 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01)G06V 10/762(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电气设备绝缘故障状态分类方法、 装置 及存储介质 (57)摘要 本发明涉及一种多异源特征融合结合聚类 算法的电气设备绝缘故障状态分类方法、 装置及 存储介质， 其中方法包括： 获取电气设备运行的 历史数据和实时数据； 分别对历史数据和实时数 据进行特征提取、 拼接、 自动编码器降维和标准 化处理， 得到历史数据特征组和实时数据特征 组； 基于参数自适应选取的DBSCAN聚类算法， 对 历史数据特征组和实时数据特征组分别进行聚 类， 实现电气设备绝缘故障状态分类， 得到聚类 的历史核心对象列表和实时核心对象列表； 抽 取、 合并历史核心对象列表和实时核心对象列 表， 并应用参数自适应选取的DBSCAN聚类算法， 得到实时数据的精准绝缘故障状态分类结果。 与 现有技术相比， 本发明具有分类结果准确、 可解 释性好等优点。 权利要求书2页 说明书5页 附图1页 CN 115546558 A 2022.12.30 CN 115546558 A 1.一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类方法， 其特征在 于， 包括以下步骤： 获取电气设备运行的历史数据和实时数据， 所述历史数据和实时数据包括设备运行电 压等级、 环境温度、 泄漏电流波形和红外图像； 分别对历史数据和实时数据进行特征提取、 拼接、 自动编码器降维和标准化处理， 得到 历史数据特 征组和实时数据特 征组； 基于参数自适应选取的DBSCAN聚类算法， 对历史数据特征组和实时数据特征组分别进 行聚类， 实现电气设备绝缘故障状态分类， 得到聚类的历史核心对 象列表和实时核心对 象 列表； 抽取、 合并历史核心对象列表和 实时核心对象列表， 并应用参数自适应选取的DBSCAN 聚类算法， 得到实时数据的精准 绝缘故障状态分类结果。 2.根据权利要求1所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特征在于， 对历史数据和实时数据中的泄漏电流波 形进行特征提取时， 提取电 流波形的幅值和有效值特 征。 3.根据权利要求2所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特征在于， 对历史数据和实时数据中的红外图像进 行特征提取时， 提取图像的 HSV特征和图像熵特 征。 4.根据权利要求3所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特 征在于， 将多检测信号的特 征进行拼接， 得到一条设备运行状态判别向量： X＝(V,T,Imax,IE,Hi,Si,Vi,E) 其中， i为遍历的像素点， V为设备运行的外加电压值， T为环境温度， Imax为泄漏电流最 大值， IE为泄漏电流有效值， 红外图像的HSV特 征平均值 为Hi， Si和Vi， E为红外图像的熵值。 5.根据权利要求1所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特征在于， 所述自动编码器的隐藏特征设定为4维特征， 自动编码器编码和解 码均有N层隐藏层， 利用N层编码隐藏层对拼接后的特征进行非线性变换， 通过虚构1个Xq→ h→Xq的三层网络,学习得出1种特征变化h＝f(wx+b)， 其中， Xq为输入的拼接特征， Xq为输 出， x为原异源融合特征， h为 自动编码器隐藏层特征， 即x的编码特征， w为权重矩阵， b为偏 置向量， f为激活函数。 6.根据权利要求5所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特征在于， 采用自适应迭代矩估计对自动编 码器进行训练， 以最小均方差为目 标使输入Xq与输出Xq之间的误差最小， 从而得到最优自动 编码器结构及编码数据Xq。 7.根据权利要求1所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特征在于， DBSCAN聚类算法选用欧式聚类， 聚类初始核心对象随机选取， 根据 数据集， 自适应计算聚类算法所需参数： 领域对象数eps和Minpts， 其中， eps为所有点对所 有其他数据点的K ‑最近邻距离求平均值后取的最大值， Pi为第i个对象 的eps领域内的对象 数量， n为数据集中的总对象数， 则： 权　利　要　求　书 1/2 页 2 CN 115546558 A 28.根据权利要求1所述的一种多异源特征融合结合 聚类算法的电气设备绝缘故障状态 分类方法， 其特征在于， DBSCAN聚类算法 的聚类簇的个数根据电气设备故 障状态分类设定 约束条件为1<a<4， 其中， a表 示聚类簇个数， 所述约束 条件表示在对电气设备故障状态类型 分类时， 至少将样本数据划分为 故障和非故障两类， 至多划分为正常、 一般故障和严重故障 三类。 9.一种多异源特征融合结合聚类算法的电气设备绝缘故障状态分类装置， 包括存储 器、 处理器， 以及存储于所述存储器中的程序， 其特征在于， 所述处理器执行所述程序时实 现如权利要求1 ‑8中任一所述的方法。 10.一种存储介质， 其上存储有程序， 其特征在于， 所述程序被执行时实现如权利要求 1‑8中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115546558 A 3