本发明涉及环网柜局部放电监测，特别是涉及一种对环网柜局部放电的监测方法、装置、设备及介质。
背景技术：
1、目前，对于环网柜的检测多是通过局部放电测试仪检测电缆终端对局部放电进行相应的检测，且该该局部放电水平检测通常是固定周期进行，并不会实时进行，通常由于巡视周期过长，往往容易错过局放水平升高的关键时间点，并不能对环网柜的状态进行实时的检测，通常会错误维修或排故的第一时间，对电网系统的运行造成相应的影响。
技术实现思路
1、本发明的目的在于，提出一种对环网柜局部放电的监测方法、装置、设备及介质，解决现有方法的技术问题。
2、一方面，提供一种对环网柜局部放电的监测方法，包括：
3、获取所述环网柜中超声波信号和温度数据；
4、对获取的超声波信号和温度数据进行预处理，分别得到对应的第一频谱数据和第二频谱数据；
5、将所述第一频谱数据和所述第二频谱数据输入预训练的卷积神经网络模型进行分析，得到对应的监测结果；其中，所述预训练的卷积神经网络模型为通过所述环网柜的历史超声波信号和历史温度数据进行训练，用于对环网柜中局部的放电概率进行预测；所述监测结果至少包括放电概率。
6、优选地，还包括，
7、当所述放电概率超过对应的预设阈值时，根据第一频谱数据确定对应的第一局部放电位置，并根据第二频谱数据确定对应的第二局部放电位置。
8、优选地，还包括，
9、将所述第一局部放电位置和所述第二局部放电位置进行拟合，得到对应的第三局部放电位置。
10、优选地，还包括，
11、输出对应的报警信息；所述报警信息至少包括第一局部放电位置、第二局部放电位置及第三局部放电位置中的一项或多项。
12、优选地，所述获取所述环网柜中超声波信号和温度数据具体包括，
13、在预设的时间段内获取环网柜中超声波信号和温度数据，其中，所述预设的时间段内至少包括多个预设的时刻，当达到预设的时刻时，获取该时刻对应的超声波信号和温度数据。
14、优选地，所述预训练的卷积神经网络模型的训练过程具体包括，
15、获取样本数据，并根据样本数据确定对应的样本训练集；所述样本训练集至少包括多个样本数据组，所述样本数据组至少包括样本超声波信号频谱、样本温度频谱和样本局部放电检测结果；
16、将样本训练集输入预设的卷积神经网络模型对进行训练，直到该卷积神经网络模型的精度达到预设的精度阈值为止，输出最终的卷积神经网络模型；所述卷积神经网络模型至少包括一维卷积神经网络和二维卷积神经网络。
17、另一方面，还提供一种对环网柜局部放电的监测装置，用以实现所述的对环网柜局部放电的监测方法，包括，
18、数据采集模块，用于获取所述环网柜中超声波信号和温度数据；对获取的超声波信号和温度数据进行预处理，分别得到对应的第一频谱数据和第二频谱数据；
19、数据处理模块，用于将所述第一频谱数据和所述第二频谱数据输入预训练的卷积神经网络模型进行分析，得到对应的监测结果；其中，所述预训练的卷积神经网络模型为通过所述环网柜的历史超声波信号和历史温度数据进行训练，用于对环网柜中局部的放电概率进行预测；所述监测结果至少包括放电概率。
20、另一方面，还提供一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现所述方法的步骤。
21、另一方面，还提供一种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所述的方法的步骤。
22、综上，实施本发明的实施例，具有如下的有益效果：
23、本发明提供的对环网柜局部放电的监测方法、装置、设备及介质，通过定时采集超声波信号和温度数据，将超声波信号数据和温度数据转换为频谱数据，并将频谱数据输出至训练后的卷积神经网络模型中，得到监测结果。可以在线监测环网柜局部放电，使运维人员能够迅速响应，实现故障的早期发现和及时处理。
1.一种对环网柜局部放电的监测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，还包括，
3.如权利要求2所述的方法，其特征在于，还包括，
4.如权利要求3所述的方法，其特征在于，还包括，
5.如权利要求1所述的方法，其特征在于，所述获取所述环网柜中超声波信号和温度数据具体包括，
6.如权利要求1所述的方法，其特征在于，所述预训练的卷积神经网络模型的训练过程具体包括，
7.一种对环网柜局部放电的监测装置，用以实现如权利要求1-6任一项所述的方法，其特征在于，包括，
8.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种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权利要求1至6中任一项所述的方法的步骤。
