本發(fā)明涉及測量技術(shù)，尤其涉及空間高頻局放電纜測量感知方法及系統(tǒng)。

背景技術(shù)：

1、隨著電力系統(tǒng)的不斷發(fā)展，電纜作為重要的輸電設(shè)備，其安全可靠運行對整個電力系統(tǒng)的穩(wěn)定性至關(guān)重要。局部放電是電纜絕緣性能劣化的重要指標(biāo)之一，因此對電纜局部放電的準(zhǔn)確檢測和定位具有重要意義。

2、現(xiàn)有的電纜局部放電檢測方法主要包括超高頻法、聲發(fā)射法和脈沖電流法等。這些方法在實際應(yīng)用中存在以下缺陷：

3、檢測靈敏度不足：傳統(tǒng)的局部放電檢測方法往往受到電磁干擾和環(huán)境噪聲的影響，導(dǎo)致檢測靈敏度較低，難以準(zhǔn)確捕捉微弱的局部放電信號。特別是在復(fù)雜的電力環(huán)境中，低幅度的局部放電信號容易被掩蓋，造成漏檢。

4、定位精度有限：現(xiàn)有技術(shù)在局部放電源的定位方面精度不高。由于電纜長度可達(dá)數(shù)公里甚至更長，傳統(tǒng)方法難以精確定位故障點，增加了維修成本和時間。

5、缺乏智能化分析能力：現(xiàn)有的局部放電檢測系統(tǒng)多為單一功能設(shè)計，缺乏對采集數(shù)據(jù)的深度分析和智能處理能力。無法實現(xiàn)局部放電類型的自動識別和趨勢預(yù)測，難以為電纜的預(yù)測性維護(hù)提供有效的決策支持。

6、因此，亟需一種能夠提高檢測靈敏度、提升定位精度，并具備智能分析能力的空間高頻局放電纜測量感知方法，以實現(xiàn)對電纜局部放電的準(zhǔn)確檢測、精確定位和智能分析，從而提高電力系統(tǒng)的可靠性和安全性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)存在檢測靈敏度不足，定位精度有限，缺乏智能化分析能力的問題。

2、為了解決上述問題，本發(fā)明提供一種提供空間高頻局放電纜測量感知方法，包括：

3、構(gòu)建空間高頻局放電纜測量網(wǎng)絡(luò)：在待測電纜周圍均勻布置多個空間高頻局放傳感器，所述空間高頻局放傳感器包括寬頻帶天線和高速采樣模塊；將所述多個空間高頻局放傳感器通過光纖通信網(wǎng)絡(luò)連接至中央處理單元，所述中央處理單元包括高性能計算模塊和人工智能分析模塊；

4、采集空間高頻局放信號：通過所述寬頻帶天線接收電纜周圍空間的高頻電磁信號，所述高頻電磁信號的頻率范圍為300mhz至3ghz；利用所述高速采樣模塊對接收到的高頻電磁信號進(jìn)行高速數(shù)字化采樣，采樣率不低于6ghz；將采樣后的數(shù)字信號通過所述光纖通信網(wǎng)絡(luò)實時傳輸至所述中央處理單元；

5、處理與分析空間高頻局放信號：利用所述高性能計算模塊對接收到的多個空間高頻局放傳感器的數(shù)字信號進(jìn)行時域同步和空間相關(guān)性分析，提取局放脈沖的時空特征；使用所述人工智能分析模塊對提取的時空特征進(jìn)行深度學(xué)習(xí)和模式識別，實現(xiàn)局放源的精確定位和類型識別；根據(jù)識別結(jié)果，生成電纜局放狀態(tài)評估報告和預(yù)測性維護(hù)建議，并將結(jié)果反饋至電纜監(jiān)控系統(tǒng)。

6、優(yōu)選方式下，

7、構(gòu)建空間高頻局放電纜測量網(wǎng)絡(luò)還包括：

8、在待測電纜周圍按照螺旋形分布布置多個空間高頻局放傳感器陣列，每個傳感器陣列包含至少三個正交排列的寬頻帶天線和一個高速采樣模塊；所述寬頻帶天線采用分形結(jié)構(gòu)設(shè)計，具有300mhz至3ghz的工作頻帶；所述高速采樣模塊采用可重構(gòu)模數(shù)轉(zhuǎn)換器，支持6ghz至12ghz的可調(diào)采樣率；

9、將所述多個空間高頻局放傳感器陣列通過自愈式光纖通信網(wǎng)絡(luò)連接至邊緣計算節(jié)點，所述邊緣計算節(jié)點通過5g通信鏈路連接至云端中央處理單元；所述邊緣計算節(jié)點包括現(xiàn)場可編程門陣列加速器，用于實時信號預(yù)處理和數(shù)據(jù)壓縮；所述云端中央處理單元包括圖形處理器集群和量子計算模擬器，用于復(fù)雜算法處理和人工智能分析。

10、優(yōu)選方式下，

11、所述方法還包括自適應(yīng)采集與預(yù)處理空間高頻局放信號：

12、通過所述寬頻帶天線陣列接收電纜周圍空間的高頻電磁信號，根據(jù)實時頻譜分析結(jié)果動態(tài)調(diào)整天線陣列的方向性和增益；

13、利用所述高速采樣模塊對接收到的高頻電磁信號進(jìn)行自適應(yīng)數(shù)字化采樣，采樣率根據(jù)信號特征在6ghz至12ghz范圍內(nèi)自動調(diào)節(jié)；

14、在邊緣計算節(jié)點的現(xiàn)場可編程門陣列加速器中實現(xiàn)實時小波變換和奇異值分解，提取局放脈沖特征并去除背景噪聲；

15、將預(yù)處理后的數(shù)據(jù)通過5g通信鏈路以優(yōu)先級隊列方式傳輸至云端中央處理單元，確保關(guān)鍵數(shù)據(jù)的實時性。

16、優(yōu)選方式下，

17、使用所述人工智能分析模塊對提取的時空特征進(jìn)行深度學(xué)習(xí)和模式識別，實現(xiàn)局放源的精確定位和類型識別包括：

18、對多個空間高頻局放傳感器采集的四維時空特征矩陣進(jìn)行z-score標(biāo)準(zhǔn)化和小波閾值降噪處理，得到降噪后的特征矩陣；將所述降噪后的特征矩陣輸入多尺度三維卷積神經(jīng)網(wǎng)絡(luò)，所述多尺度三維卷積神經(jīng)網(wǎng)絡(luò)包含三個并行的三維卷積分支，每個三維卷積分支分別使用3×3×3、5×5×5和7×7×7尺寸的卷積核，每個三維卷積分支包含三層三維卷積、批歸一化和relu激活函數(shù)，通過注意力機(jī)制融合三個三維卷積分支的特征，得到局部時空特征；

19、將所述局部時空特征輸入雙向長短期記憶網(wǎng)絡(luò)，所述雙向長短期記憶網(wǎng)絡(luò)包含兩層，每層具有128個隱藏單元，捕獲長期時序依賴關(guān)系，得到時序特征；基于傳感器的物理位置構(gòu)建初始圖結(jié)構(gòu)，利用注意力機(jī)制動態(tài)更新圖的邊權(quán)重，將所述時序特征輸入動態(tài)圖神經(jīng)網(wǎng)絡(luò)，建模傳感器之間的空間拓?fù)潢P(guān)系，得到圖嵌入特征；

20、將所述圖嵌入特征輸入多任務(wù)學(xué)習(xí)頭，同時進(jìn)行局放源定位和類型識別，其中局放源定位任務(wù)采用加權(quán)平方誤差損失函數(shù)，局放類型識別任務(wù)采用焦點損失函數(shù)，通過調(diào)節(jié)超參數(shù)平衡兩個任務(wù)的損失；利用adam優(yōu)化器訓(xùn)練模型，采用初始學(xué)習(xí)率為0.001的余弦退火調(diào)度策略，最終輸出局放源的三維坐標(biāo)和局放類型。

21、優(yōu)選方式下，

22、所述方法還包括：

23、利用圖形處理器集群對接收到的多個空間高頻局放傳感器陣列的預(yù)處理數(shù)據(jù)進(jìn)行并行時空相關(guān)性分析，構(gòu)建四維時空特征矩陣；

24、應(yīng)用張量分解算法對四維時空特征矩陣進(jìn)行降維和特征提取，識別局放脈沖的時空傳播模式。

25、優(yōu)選方式下，

26、應(yīng)用張量分解算法對四維時空特征矩陣進(jìn)行降維和特征提取，識別局放脈沖的時空傳播模式包括：

27、將多個空間高頻局放傳感器陣列的預(yù)處理數(shù)據(jù)組織成五維張量，該五維張量包含傳感器陣列數(shù)量維度、每個陣列的傳感器數(shù)量維度、時間點維度、頻率點維度和空間坐標(biāo)維度；利用消息傳遞接口將所述五維張量均勻分配到多個圖形處理器上，每個圖形處理器負(fù)責(zé)處理部分傳感器陣列的數(shù)據(jù)；在每個圖形處理器上，利用快速傅里葉變換核函數(shù)計算傳感器數(shù)據(jù)的時間自相關(guān)函數(shù)和互相關(guān)函數(shù)，得到時間相關(guān)矩陣；

28、利用welch方法計算功率譜密度和互譜密度，得到頻率相關(guān)矩陣；基于傳感器的物理位置，利用kriging插值方法計算空間協(xié)方差矩陣，得到空間相關(guān)矩陣；將所述時間相關(guān)矩陣、頻率相關(guān)矩陣和空間相關(guān)矩陣合并，構(gòu)建四維時空特征矩陣；利用集合通信庫的全聚合操作將各圖形處理器上的部分結(jié)果匯總，得到完整的四維時空特征矩陣；

29、對所述四維時空特征矩陣應(yīng)用tucker分解算法，將其分解為一個核張量和四個因子矩陣的乘積；采用交替最小二乘迭代方法，在多個圖形處理器上并行更新核張量和因子矩陣，直至重構(gòu)誤差小于預(yù)設(shè)閾值或達(dá)到最大迭代次數(shù)；將得到的核張量和因子矩陣作為提取的低維特征；分析因子矩陣中的時間相關(guān)列，提取主要的時間變化模式；分析因子矩陣中的頻率相關(guān)列，提取主要的頻率分布特征；

30、結(jié)合傳感器陣列相關(guān)和傳感器相關(guān)的因子矩陣，分析空間相關(guān)性；利用核張量中元素的大小，確定不同模式組合的重要性；采用t-sne算法將所述低維特征映射到三維空間；通過分析特征聚類和演化軌跡，識別局放脈沖的時空傳播模式。

31、提供空間高頻局放電纜測量感知系統(tǒng)，包括：

32、第一單元，用于構(gòu)建空間高頻局放電纜測量網(wǎng)絡(luò)：在待測電纜周圍均勻布置多個空間高頻局放傳感器，所述空間高頻局放傳感器包括寬頻帶天線和高速采樣模塊；將所述多個空間高頻局放傳感器通過光纖通信網(wǎng)絡(luò)連接至中央處理單元，所述中央處理單元包括高性能計算模塊和人工智能分析模塊；

33、第二單元，用于采集空間高頻局放信號：通過所述寬頻帶天線接收電纜周圍空間的高頻電磁信號，所述高頻電磁信號的頻率范圍為300mhz至3ghz；利用所述高速采樣模塊對接收到的高頻電磁信號進(jìn)行高速數(shù)字化采樣，采樣率不低于6ghz；將采樣后的數(shù)字信號通過所述光纖通信網(wǎng)絡(luò)實時傳輸至所述中央處理單元；

34、第三單元，用于處理與分析空間高頻局放信號：利用所述高性能計算模塊對接收到的多個空間高頻局放傳感器的數(shù)字信號進(jìn)行時域同步和空間相關(guān)性分析，提取局放脈沖的時空特征；使用所述人工智能分析模塊對提取的時空特征進(jìn)行深度學(xué)習(xí)和模式識別，實現(xiàn)局放源的精確定位和類型識別；根據(jù)識別結(jié)果，生成電纜局放狀態(tài)評估報告和預(yù)測性維護(hù)建議，并將結(jié)果反饋至電纜監(jiān)控系統(tǒng)。

35、一種電子設(shè)備，包括：

36、處理器；

37、用于存儲處理器可執(zhí)行指令的存儲器；

38、其中，所述處理器被配置為調(diào)用所述存儲器存儲的指令，以執(zhí)行前述所述的方法。

39、一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序指令，所述計算機(jī)程序指令被處理器執(zhí)行時實現(xiàn)前述所述的方法。

40、本發(fā)明的有益效果：

41、顯著提高了局部放電檢測的靈敏度和準(zhǔn)確性：

42、通過在待測電纜周圍均勻布置多個空間高頻局放傳感器，并采用寬頻帶天線接收300mhz至3ghz的高頻電磁信號，本發(fā)明能夠捕捉到更微弱的局部放電信號。高速采樣模塊以不低于6ghz的采樣率進(jìn)行數(shù)字化采樣，確保了信號的高保真度。這種高靈敏度和高采樣率的組合大大提升了局部放電檢測的準(zhǔn)確性，有效減少了漏檢和誤檢的概率。

43、實現(xiàn)了局部放電源的精確定位：

44、本發(fā)明利用多個空間高頻局放傳感器構(gòu)建的測量網(wǎng)絡(luò)，結(jié)合高性能計算模塊進(jìn)行時域同步和空間相關(guān)性分析，能夠準(zhǔn)確提取局放脈沖的時空特征。這種多點協(xié)同測量和分析方法顯著提高了局部放電源的定位精度，有助于快速鎖定故障點，減少維修時間和成本。

45、具備智能化分析和預(yù)測能力：

46、通過引入人工智能分析模塊，本發(fā)明能夠?qū)μ崛〉臅r空特征進(jìn)行深度學(xué)習(xí)和模式識別，不僅實現(xiàn)了局放源的類型識別，還能生成電纜局放狀態(tài)評估報告和預(yù)測性維護(hù)建議。這種智能化分析能力使得系統(tǒng)可以自動識別不同類型的局部放電，預(yù)測潛在故障，并為電纜維護(hù)提供科學(xué)的決策支持，從而提高電力系統(tǒng)的可靠性和安全性。