本发明涉及信号处理 ，尤其涉及一种局部放电类别识别方法和装置。
背景技术：
1、在电力设备中，局部放电是一种普遍存在的故障现象，尤其是高压设备，局部放电不仅会导致设备性能的下降，还可能引发严重的设备损坏甚至安全事故。为了保障电力系统的稳定运行，准确地识别和定位局部放电变得至关重要。
2、现有技术中，在处理局部放电信号的过程中，不仅会受到环境噪声和人为操作误差的影响，导致提取的有效信号的准确性较低；而且不同类型的局部放电在频谱图中可能表现出相似的图像特征，因此识别率较低。
技术实现思路
1、本发明提供一种局部放电类别识别方法和装置，用以解决现有技术中在处理局部放电信号的过程中，不仅提取的有效信号的准确性较低，而且识别率较低的问题。
2、本发明提供一种局部放电类别识别方法，包括：采集电缆中的电流脉冲数据；确定所述电流脉冲数据的时域信号和频谱图像；将所述时域信号输入时域特征提取网络中，得到局部放电信号的时域特征信息；将所述频谱图像输入频域特征提取网络中，得到局部放电信号的频域特征信息；根据所述时域特征信息和所述频域特征信息确定局部放电信号对应的故障类别；其中，所述时域特征提取网络包括时域卷积网络和空间注意力网络，所述频域特征提取网络包括类标记向量拼接层和位置编码嵌入层。
3、根据本发明提供的一种局部放电类别识别方法，所述将所述时域信号输入时域特征提取网络中，得到局部放电信号的时域特征信息，包括：将所述时域信号输入两层时域卷积网络中，得到卷积特征；将所述时域信号输入空间注意力网络中，得到特征点的权值；基于特征点的权值对所述卷积特征进行加权处理，得到所述时域特征信息。
4、根据本发明提供的一种局部放电类别识别方法，所述将所述频谱图像输入频域特征提取网络中，得到局部放电信号的频域特征信息，包括：对所述频谱图像进行特征提取，并将生成的特征图重塑维度展平成特征向量序列；将所述特征向量序列、所述类标记向量拼接层的自学习类标记向量以及所述位置编码嵌入层的自学习位置向量进行拼接处理，得到拼接向量；将所述拼接向量输入编码器网络中进行有效特征提取，得到所述频域特征信息。
5、根据本发明提供的一种局部放电类别识别方法，所述根据所述时域特征信息和所述频域特征信息确定局部放电信号对应的故障类别，包括：将所述时域特征信息和所述频域特征信息输入全连接层和softmax层，得到局部放电类别的概率；根据所述局部放电类别的概率进行加权求和，并输出局部放电信号对应的故障类别。
6、根据本发明提供的一种局部放电类别识别方法，所述局部放电信号对应的故障类别包括表面放电、间隙放电以及电晕放电中的一个或多个。
7、根据本发明提供的一种局部放电类别识别方法，所述采集电缆中的电流脉冲数据之后，所述方法还包括：对所述电流脉冲数据进行预处理操作，所述预处理操作包括过滤异常数据、全局滤波处理、剔除干扰频率。
8、本发明还提供一种局部放电类别识别装置，包括如下模块：采集模块和处理模块；所述采集模块，用于采集电缆中的电流脉冲数据；所述处理模块，用于确定所述电流脉冲数据的时域信号和频谱图像；将所述时域信号输入时域特征提取网络中，得到局部放电信号的时域特征信息；将所述频谱图像输入频域特征提取网络中，得到局部放电信号的频域特征信息；根据所述时域特征信息和所述频域特征信息确定局部放电信号对应的故障类别；其中，所述时域特征提取网络包括时域卷积网络和空间注意力网络，所述频域特征提取网络包括类标记向量拼接层和位置编码嵌入层。
9、根据本发明提供的一种局部放电类别识别装置，所述处理模块，用于将所述时域信号输入两层时域卷积网络中，得到卷积特征；将所述时域信号输入空间注意力网络中，得到特征点的权值；基于特征点的权值对所述卷积特征进行加权处理，得到所述时域特征信息。
10、根据本发明提供的一种局部放电类别识别装置，所述处理模块，用于对所述频谱图像进行特征提取，并将生成的特征图重塑维度展平成特征向量序列；将所述特征向量序列、所述类标记向量拼接层的自学习类标记向量以及所述位置编码嵌入层的自学习位置向量进行拼接处理，得到拼接向量；将所述拼接向量输入编码器网络中进行有效特征提取，得到所述频域特征信息。
11、根据本发明提供的一种局部放电类别识别装置，所述处理模块，用于将所述时域特征信息和所述频域特征信息输入全连接层和softmax层，得到局部放电类别的概率；根据所述局部放电类别的概率进行加权求和，并输出局部放电信号对应的故障类别。
12、根据本发明提供的一种局部放电类别识别装置，所述局部放电信号对应的故障类别包括表面放电、间隙放电以及电晕放电中的一个或多个。
13、根据本发明提供的一种局部放电类别识别装置，所述处理模块，还用于对所述电流脉冲数据进行预处理操作，所述预处理操作包括过滤异常数据、全局滤波处理、剔除干扰频率。
14、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述局部放电类别识别方法。
15、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述局部放电类别识别方法。
16、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述局部放电类别识别方法。
17、本发明提供的局部放电类别识别方法和装置，可以采集电缆中的电流脉冲数据；确定所述电流脉冲数据的时域信号和频谱图像；将所述时域信号输入时域特征提取网络中，得到局部放电信号的时域特征信息；将所述频谱图像输入频域特征提取网络中，得到局部放电信号的频域特征信息；根据所述时域特征信息和所述频域特征信息确定局部放电信号对应的故障类别；其中，所述时域特征提取网络包括时域卷积网络和空间注意力网络，所述频域特征提取网络包括类标记向量拼接层和位置编码嵌入层。通过该方案，由于可以得到局部放电信号的时域特征信息，因此能够有效地捕获局部放电信号的瞬态特征和时序信息，提高对信号动态变化的响应能力；由于可以得到局部放电信号的频域特征信息，因此能够更好地处理复杂的频域信号，减少信号间干扰的影响，提升对局部放电特征的提取效率和准确性；由于可以综合时域特征信息和频域特征信息确定局部放电信号对应的故障类别，因此可以从多个角度全面地理解和描述信号的特性，从而提高信号处理和分析的全面性和有效性。
1.一种局部放电类别识别方法，其特征在于，包括：
2.根据权利要求1所述的局部放电类别识别方法，其特征在于，所述将所述时域信号输入时域特征提取网络中，得到局部放电信号的时域特征信息，包括：
3.根据权利要求1所述的局部放电类别识别方法，其特征在于，所述将所述频谱图像输入频域特征提取网络中，得到局部放电信号的频域特征信息，包括：
4.根据权利要求1所述的局部放电类别识别方法，其特征在于，所述根据所述时域特征信息和所述频域特征信息确定局部放电信号对应的故障类别，包括：
5.根据权利要求1所述的局部放电类别识别方法，其特征在于，所述局部放电信号对应的故障类别包括表面放电、间隙放电以及电晕放电中的一个或多个。
6.根据权利要求1所述的局部放电类别识别方法，其特征在于，所述采集电缆中的电流脉冲数据之后，所述方法还包括：
7.一种局部放电类别识别装置，其特征在于，包括：采集模块和处理模块；
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述局部放电类别识别方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述局部放电类别识别方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述局部放电类别识别方法。
