CN120275788A 一种局部放电检测方法及装置 （北京华科同安监控技术有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120275788A(43)申请公布日2025.07.08

(21)申请号202510764725.6

(22)申请日2025.06.10

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

GO6N3/08(2023.01)

(71)申请人北京华科同安监控技术有限公司

地址100000北京市石景山区八大处路49

号院6号楼十三层1301号

(72)发明人郑松远朱玉良朱磊

(74)专利代理机构杭州航璞专利代理有限公司

33498

专利代理师邱国栋

(51)Int.CI.

G01R31/12(2020.01)

GO6F18/2433(2023.01)

GO6F18/213(2023.01)

GO6F18/10(2023.01)

GO6N3/045(2023.01)

权利要求书3页说明书17页附图3页

(54)发明名称

一种局部放电检测方法及装置

(57)摘要

CN120275788A本发明公开了一种局部放电检测方法及装置，方法包括：根据发电机运行时的多模态传感信号，利用自适应降噪算法，输出降噪后的多模态信号矩阵；基于所述多模态信号矩阵，采用时空卷积神经网络提取放电特征，同时捕捉信号时频特征与传感器空间拓扑关系，输出多模态特征融合张量；根据所述多模态特征融合张量，通过动态图谱生成模型，结合流形学习与粒子群优化算法，输出包含放电强度、相位及频点分布特性的动态故障图谱；基于所述动态故障图谱，利用风险预测模型计算实时放电危险系数，输出放电分级预警指令及检修优先级序列。利用本发明实

CN120275788A

根据发电机运行时的多模态传感信号，利用自适应降噪

根据发电机运行时的多模态传感信号，利用自适应降噪

算法，融合小波变换与独立成分分析，输出降噪后的多

模态信号矩阵，其中，所述多模态传感信号包括特高频

脉冲、超声波振动波谱及暂态地电压波形

基于所述多模态信号矩阵，采用时空卷积神经网络提取

放电特征，同时捕捉信号时频特征与传感器空间拓扑关

根据所述多模态特征融合张量，通过动态图谱生成模型

,结合流形学习与粒子群优化算法，输出包含放电强度、相位及频点分布特性的动态故障图谱

基于所述动态故障图谱，利用风险预测模型计算实时放电危险系数，所述风险预测模型融合历史故障案例库与

当前图谱特征向量，通过注意力机制动态调整不同放电模式的权重，输出放电分级预警指令及检修优先级序列

系，输出多模态特征融合张量

S201

CN120275788A权利要求书1/3页

2

1.一种局部放电检测方法，其特征在于，所述方法包括：

根据发电机运行时的多模态传感信号，利用自适应降噪算法，融合小波变换与独立成分分析，输出降噪后的多模态信号矩阵，其中，所述多模态传感信号包括特高频脉冲、超声波振动波谱及暂态地电压波形；

基于所述多模态信号矩阵，采用时空卷积神经网络提取放电特征，同时捕捉信号时频特征与传感器空间拓扑关系，输出多模态特征融合张量；

根据所述多模态特征融合张量，通过动态图谱生成模型，结合流形学习与粒子群优化算法，输出包含放电强度、相位及频点分布特性的动态故障图谱；

基于所述动态故障图谱，利用风险预测模型计算实时放电危险系数，所述风险预测模型融合历史故障案例库与当前图谱特征向量，通过注意力机制动态调整不同放电模式的权重，输出放电分级预警指令及检修优先级序列。

2.根据权利要求1所述的方法，其特征在于，所述根据发电机运行时的多模态传感信号，利用自适应降噪算法，融合小波变换与独立成分分析，输出降噪后的多模态信号矩阵，其中，所述多模态传感信号包括特高频脉冲、超声波振动波谱及暂态地电压波形，包括：

根据特高频传感器采集的脉冲信号，进行小波包分解与重构，提取0.3-1.5GHz频段的能量特征，生成特高频时频能量矩阵；

根据超声波传感器记录的振动波谱数据，采用独立成分分析分离机械振动噪声，提取0.1-1MHz频段的放电相关成分，生成超声波特征向量；

根据暂态地电压