(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 202211145301.4 (22)申请日 2022.09.20 (71)申请人 吉林省电力科 学研究院有限公司 地址 130012 吉林省长 春市朝阳区人民大 街4433号 申请人 国网吉林省电力有限公司电力科 学 研究院　 国网吉林省电力有限公司 　 国网吉林省电力有限公司延边供电 公司 (72)发明人 王凯　陈捷元　司昌健　葛志成　 赵天成　李守学　董洪达　翟冠强　 张赛鹏　李嘉帅　曹森　 (74)专利代理 机构 太原申立德知识产权代理事 务所(特殊普通 合伙) 14115 专利代理师 杜怀宇(51)Int.Cl. G01R 31/12(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于深度学习的多信息融合局部放电 检测装置 (57)摘要 本发明公开了一种基于深度学习的多信息 融合局部放电检测装置， 包括有多信息融合信号 同步获取模块、 多信息融合数据管理模块、 Orin 深度学习部署模块、 局部放电预警模块， 多信息 融合信号同步获取模块通过特高频传感器和超 声波传感器同时对待检测装置进行监测， 多信息 融合数据管理模块按照模块序号将多信息融合 信号同步获取模块采集的实时数据进行存储， 并 将每个多信息融合信号同步获取模块的定时序 长度数据传输到Orin深度学习部署 模块； Orin深 度学习部署模块采用英伟达Orin套件， 通过GRU 深度学习模型实现对待检测装置是否存在局部 放电故障进行检测。 本发明通过多信息融合技 术， 对待检测装置进行多信息实时监测可以有效 提高检测的鲁棒 性和精度。 权利要求书1页 说明书4页 附图4页 CN 115542092 A 2022.12.30 CN 115542092 A 1.一种基于深度学习的多信息融合局部放电检测装置， 其特征在于： 包括有多信息融 合信号同步 获取模块、 多信息融合数据管理模块、 Orin深度学习部署模块、 局部放电预警模 块， 所述多信息融合信号同步获取模块通过特高频传感器和超声波传感器同时对待检测装 置进行监测， 多信息融合数据管理模块按照模块序号将多信息融合信号同步 获取模块采集 的实时数据进行存储， 并将每个多信息融合信号同步获取模块的定时序长度数据传输到 Orin深度学习部署模块； 所述Orin深度学习部署模块采用英伟达Orin套件， 英伟达Orin套 件中部署了集成注 意力机制的GRU深度学习模 型， 通过GRU深度学习模型实现对待检测装置 是否存在局部放电故障进行检测。 2.根据权利要求1所述的一种基于深度学习的多信息融合局部放电检测装置， 其特征 在于： 所述多信息融合信号同步 获取模块采用超声波传感器和特高频传感器采集待检测设 备信号， 通过采集两种信号 提高检测鲁棒 性和精度。 3.根据权利要求1所述的一种基于深度学习的多信息融合局部放电检测装置， 其特征 在于： 所述GRU深度学习模型由一个GRU层、 一个Attention层、 一个全连接层、 一个Dense层 组成。 4.根据权利要求1所述的一种基于深度学习的多信息融合局部放电检测装置， 其特征 在于： 所述局部放电预警模块采用一个LED 显示屏进 行故障点预警， 并通过扬 声器进行局部 放电警报。权　利　要　求　书 1/1 页 2 CN 115542092 A 2一种基于深度学习的多信息融合局部放电检测装 置 技术领域 [0001]本发明涉及高压电力电缆技术领域， 尤其涉及一种基于深度学习的多信息融合局 部放电检测装置 。 背景技术 [0002]随着社会经济 的持续发展， 对电能的需求也大幅增加， 输电线路的安全是保障正 常社会正常生产生活的重要一环。 输电线路的故障往往是由于绝缘子等设备的老化或损坏 等原因造成， 而这些设备在绝缘材料劣化过程中往往会导致局部放电现象， 局部放电也会 造成输电线路绝缘体的进一步劣化。 随着电力系统发展和电压等级的提高， 局部放电已经 是造成输电线路绝 缘劣化的主 要原因之一， 对输电线路的安全造成严重威胁。 [0003]局部放电检测装置可以有效提高输电线路局部放电检测的效率， 进而提高输电线 路的安全性。 但是传统的输电线路检测装置一般只对应一个位置进行检测或依靠检测人员 的经验进行检测， 导致局部放电检测的效率偏低。 随着计算机技术的进步和深度学习技术 的发展， 具有高精度的深度学习检测方法具有较好的应用前景， 但是现今未有有效设备采 用深度学习模型进行输电线路局部放电故障的检测。 并且传统的检测方式往往仅采用一种 传感器进行局部放电的检测， 存在检测结果鲁棒 性较低的问题。 发明内容 [0004]为解决现有技术的缺点和不足， 提供一种基于深度学习的多信息融合局部放电检 测装置， 该装置通过特高频传感器和超声波传感器同时监测待检测装置， 通过这种多信息 融合技术和深度学习技术， 对待检测装置进 行多信息实时监测可以有效提高检测的鲁棒性 和精度， 并且本方案的局部放电监测装置可以对多个待监测装置进行同时监测， 实现了局 部放电问题的高效检测。 [0005]为实现本发明目的而提供的一种基于深度学习的多信息融合局部放电检测装置， 包括有多信息融合信号同步获取模块、 多信息融合数据管 理模块、 Or in深度学习部署模块、 局部放电预警模块， 所述多信息融合信号同步获取模块通过特高频传感器和超声波传感器 同时对待检测装置进 行监测， 多信息融合数据管 理模块按照模块序号将多信息融合信号同 步获取模块采集的实时数据进 行存储， 并将 每个多信息融合信号同步获取模块的定时序长 度数据传输到Orin深度学习部署模块； 所述Orin深度学习部署模块采用英伟达Orin套件， Orin套件是一种英伟达新开 发的深度学习部署套件， 无需与电脑连接 即可实现深度学习网 络模型的计算， 英伟达Orin套件中部署了集成注意力机制的GRU深度学习模型， 通过GRU深 度学习模型实现对待检测装置是否存在局部放电故障进行检测。 多信息融合信号同步获取 模块与装置总体采用即插即用的信号传输线进行信号传输， 可同时布置多个模块 实现多点 位局部放电故障检测。 [0006]作为上述方案的进一步改进， 所述多信息融合信号同步获取模块采用超声波传感 器和特高频传感器采集待检测设备信号， 通过采集两种信号 提高检测鲁棒 性和精度。说　明　书 1/4 页 3 CN 115542092 A 3