(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 202211149777.5 (22)申请日 2022.09.21 (71)申请人 重庆泰山电缆有限公司 地址 401125 重庆市渝北区玉峰山 镇石岩 大道17号 申请人 大连理工大 学　 上海霍开 光电技术有限公司 (72)发明人 郭翔宇　孙耘龙　卢伟　鲁娜　 孙长海　赵哲　梁文佳　刘佳昊　 朱梓维　王章军　 (74)专利代理 机构 辽宁鸿文知识产权代理有限 公司 21102 专利代理师 王海波 (51)Int.Cl. G06V 10/764(2022.01)G06V 10/54(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于残差神经网络的电缆缺陷识别方 法 (57)摘要 本发明公开了一种基于残差网络的电缆缺 陷识别方法， 首先通过脉冲电流法获取不同缺陷 类型电缆的局部放电数据， 然后利用局部放电数 据分析系统获得电缆局部放电PRPD图谱， 对图像 进行预处理、 图像信息增强， 最后采用残差神经 网络模型对局放数据综合训练测试， 识别电缆存 在的缺陷类型， 操作简单、 识别准确率和诊断效 率高。 本发 明的技术方案有效的解决了现有技术 中缺陷类型难以快速判定、 修复的问题， 提高电 力系统的稳定性。 权利要求书1页 说明书4页 附图7页 CN 115424077 A 2022.12.02 CN 115424077 A 1.一种基于残差神经网络的电缆 缺陷识别方法， 其特 征在于， 步骤为： (1)通过脉冲电流法获取不同缺陷类型电缆的局部放电数据； 通过脉冲电流法采集电 缆的局部放电信息， 脉冲电流法通过罗格夫斯基线圈从电气设备的接地点或测量阻抗在耦 合电容上由局部放电所导致的脉冲电流来 实现对放电相位、 放电幅值、 局部放电量、 放电次 数等放电参数的采集， 按照相应国家标准GB/T  7354‑2018搭建， 局放检测系统保存所有局 放信息并对其分析处 理； (2)得到局部放电的PRPD图谱， 即基于局部放电相位分布模式分析电缆局放数据； 通过 采集多个放电周期下的脉冲放电量、 放电次数和对应相位等数据， 构 造三者之间的关系， 从 而获得其 三维统计谱图； (3)对电缆局放图谱进行预处理得到灰度图像； 对局放图谱进行预处理形成对应灰度 图像， 可以直观地观察到局部放电的放电量、 相位分布以及放电次数等特征， 不同区域内的 局部放电次数为 ni,j， 该区域内的最大放电次数为 nmax， 计算图谱中各像素点的灰度值： (4)对经过预处理后的电缆局放数据灰度图进行增强图像信息操作， 提取图像纹理特 征； (5)利用残差神经网络模型训练电缆局放数据并测试识别准确率及识别效率； 在卷积 神经网络结构的基础上在每两个卷积层之间引入残差结构单元， 形成恒等映射连接， 残差 单元的输出由多个卷积层 级联的输出和输入元素间相加并经过ReLU激活后得到， 将这种结 构级联起 来就得到了残差网络； (6)运用该方法识别电缆存在的缺陷类型： 所述的电缆缺陷类型， 包括： 气隙缺陷、 尖刺 缺陷、 划痕缺陷和外半导电层损伤。 2.根据权利要求1所述的一种基于残差神经网络的电缆缺陷识别方法， 其特征在于， 步 骤(3)中， 通过线性灰度变换提高对局放图谱图像增强， 对图像做灰度线性延伸， 改善图像 的主观质量； 通过 下列计算公式将图像灰度函数f(x,y)的灰度范围从[a,b]扩展到[c， d]： 3.根据权利要求1或2所述的一种基于残差神经网络的电缆缺陷识别方法， 其特征在 于， 步骤(5)中， 在卷积神经网络结构的基础上在每两个卷积层之间引入残差结构单元， 形 成恒等映射连接， 残差单元的输出由多个卷积层 级联的输出和输入元素间相加并经过ReLU 激活后得到， 将这种结构级联起 来就得到了残差网络 。 4.根据权利要求1或2所述的一种基于残差神经网络的电缆缺陷识别方法， 其特征在 于， 步骤(5)中， 确 定深度残差网络各项参数， 比如周期迭代次数、 学习率、 每次投入训练量 等， 输入为PRPD图谱 数据， 输出为电缆缺陷类型， 进 行神经网络内部参数结构训练进而优化 网络结构， 最终形成深度残差网络识别模型。权　利　要　求　书 1/1 页 2 CN 115424077 A 2一种基于残差神经 网络的电缆缺陷识别方 法 技术领域 [0001]本发明属于电缆检测技术领域， 涉及一种基于残差神经网络的电缆缺陷识别方 法。 背景技术 [0002]随着我国电力能源互联网的建设， 凸显输电网络安全有效运行的重要性。 随着长 期运行电缆的绝缘结构逐渐老化， 其故障率也 随之上升， 准确判断电缆的故障类型并快速 修复， 可以减少停电事故造成的诸多损失。 电缆绝缘结构缺陷区域易 发生局部放电现象， 将 加剧绝缘结构进一步劣化， 加深原有的绝缘缺陷引起更严重的放电， 给电缆的安全运行带 来极大困难。 [0003]交联聚乙烯电力电缆根据各种不同类型的绝缘缺陷导致的局部放电一般可以分 为： 主绝缘划痕沿面放电、 金属尖刺放电、 气隙放电、 外 半导电层损伤悬浮放电。 电力电缆不 同绝缘缺陷引起的局部放电现象有一定的差异， 导致的危害程度也有所不同， 因此准确识 别分析电力电缆存在的绝缘缺陷类型对于及时维护、 修缮电缆线路意义重大， 同时对于指 导现场工程实际具有重大意 义。 [0004]现阶段通过神经网络模型识别电缆存在的缺陷类型的研究开展广泛， 如 孟航提出 了基于长 短期记忆神经网络和Mann ‑Kendall检验法的监测系统， 有效提高了对电缆终端接 头局部放电的监测水平， 并应用到河北省某变电站， 实现了对开关柜电缆终端接头局部放 电的有效预警。 朱煜峰针对直流交联聚乙烯电缆局部放电的强随机信号难以进行特征提取 的问题， 提出了基于卷积神经网络的模式识别算法， 其识别准确 率相比传统的识别方法至 少提高了8.97％。 张安安为解决电缆附件绝缘缺陷识别复杂、 特征参量选择困难的问题， 提 出了一种基于数学形态学和 Hurst指数的直接识别含 噪声局部放电信号的方法， 提高了识 别准确率。 [0005]然而， 目前对于电缆缺陷识别的方法还无法完全掌握信号中的全部信息， 方法自 动化程度不够， 识别准确率及效率需进一 步提高。 发明内容 [0006]本发明所要解决的技术问题是： 目前的电缆缺陷类型识别存在自动化程度不够、 识别准确 率及效率不高的问题， 提供一种基于残差神经网络的电缆缺陷识别方法， 以实现 电缆故障的快速判定、 修复。 [0007]为了解决上述 技术问题， 本发明的技 术方案如下： [0008]一种基于残差神经网络的电缆 缺陷识别方法， 具体步骤为： [0009](1)通过脉冲电流法获取不同缺陷类型电缆的局部放电数据； [0010](2)得到局部放电的PRP D图谱； [0011](3)对电缆局放图谱进行 预处理得到灰度图像； [0012](4)对经过预处理后的电缆局放数据灰度图进行增强图像信息操作， 提取 图像纹说　明　书 1/4 页 3 CN 115424077 A 3