CN117725480B 一种避雷器故障智能检测方法及系统 （国网山东省电力公司青岛供电公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117725480B(45)授权公告日2025.07.01

(21)申请号202311731961.5

(22)申请日2023.12.16

(65)同一申请的已公布的文献号申请公布号CN117725480A

(43)申请公布日2024.03.19

(73)专利权人国网山东省电力公司青岛供电公

司

地址266001山东省青岛市市南区刘家峡

路17号

(72)发明人刘新民盛吉正崔杨李冰朱蕾张修平伊放崔梅

(74)专利代理机构上海恒慧知识产权代理事务所(特殊普通合伙)31317

专利代理师张宁展

(51)Int.CI.

GO6F18/241(2023.01)

GO6F18/2415(2023.01)

GO6F18/10(2023.01)

GO6F18/2131(2023.01)

GO6N3/047(2023.01)

GO6N3/045(2023.01)

GO6N3/006(2023.01)

GO6N3/0464(2023.01)

G01R31/00(2006.01)

(56)对比文件

CN109800875A,2019.05.24CN111477213A,2020.07.31审查员王黎明

权利要求书3页说明书10页附图3页

(54)发明名称

一种避雷器故障智能检测方法及系统

(57)摘要

CN117725480B本发明公开了一种避雷器故障智能检测方法及系统，所述方法包括：在目标避雷器设备周围布置传感器网络，以全面监测设备的工作环境、运行参数；利用传感器网络收集到的数据，进行一系列预处理工作；采用改进的0MLSA的一维信号降噪处理算法对多传感器数据进行降噪，以去除信号中的噪声；将经过降噪处理的数据送入基于通道卷积的残差网络中进行模型训练，采用遗传算法对模型的最优参数进行搜索；结合在线学习和离线学习算法，实现模型的实时更新优化；通过粒子群退火融合算法优化模型后进行误差判定。本申请相比传统阈值判定方法在提高效

CN117725480B

多传感器数据采集

采用改进的OMLSA的一维信号降噪处理算法对多传感器故据进行降噪

采用多特证融合短阵车作为基于改进的

通诸卷积残差网络的模型的输入进行

训练

N粒子群退火融含算法优化模

N

出，后误美

模型在线预刑阳时进行在线学习

输入出现较大变化

结束

CN117725480B权利要求书1/3页

2

1.一种避雷器故障智能检测方法，其特征在于，包括以下步骤：

步骤1,在目标避雷器设备周围布置传感器网络，以全面监测设备的工作环境、运行参数；

步骤2,利用传感器网络收集到的数据，进行一系列预处理工作，包括数据清洗和数据匹配，以去除无效或错误数据，确保数据的准确性和一致性；

步骤3,采用改进的OMLSA的一维信号降噪处理算法对多传感器数据进行降噪，以去除信号中的噪声，保留有用的信息；

所述改进的OMLSA的一维信号降噪处理算法，包括以下执行步骤：首先采集目标信号，包括语音信号或一维时间信号；接着使用基于最大似然估计的IMCRA算法对噪声进行估计，有效地处理非平稳噪声；然后根据最小均方误差准则对信号进行降噪处理；此后采用贝叶斯估计方法优化降噪信号的质量；再通过在优化目标函数中加入时频掩码对不同时刻和频率成分进行加权处理，增强降噪后信号的识别度；同时在目标函数中加入信号的先验概率模型，正则化优化结果以提高降噪信号的稳定性；进而在不同频率分辨率下建模，处理不同规模的信号成分，并结合多尺度结果进一步提高降噪性能；最后通过引入回馈结构实现多阶段降噪优化；

步骤4,将经过降噪处理的数据送入基于通道卷积的残差网络中进行模型训练，通过训练使模型能够学习到避雷器运行状态与环境参数之间的关系，采用遗传算法对模型的最优参数进行搜索；

步骤5,结合在线学习和离线学习算法，实现模型的实时更新优化；

步骤6,通过粒子群退火融合算法优化模型后进行误差判定，当误差在可接受范围内时，利用所述模型进行在线预测，以实时监测避雷器的运行状态并发现潜在的故障风险；

步骤7,当输入出现较大变化或满足其他设定条件时，结束整个过程。

2.如权利要求1所述的避雷器故障智能检测方法，其特征在于，所述增强降噪后信号的识别度是通过一种基于自适应增益的一