Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022001289 - POWER DISTRIBUTION NETWORK PARTIAL DISCHARGE ULTRASONIC TEST METHOD AND SYSTEM

Publication Number WO/2022/001289
Publication Date 06.01.2022
International Application No. PCT/CN2021/087208
International Filing Date 14.04.2021
IPC
G06T 7/00 2017.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
7Image analysis
CPC
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
G06T 2207/10132
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
10Image acquisition modality
10132Ultrasound image
G06T 2207/20021
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20021Dividing image into blocks, subimages or windows
G06T 2207/20052
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20048Transform domain processing
20052Discrete cosine transform [DCT]
Applicants
  • 北京国网富达科技发展有限责任公司 BEIJING GUOWANG FUDA SCIENCE AND TECHNOLOGY DEVELOPMENT CO., LTD. [CN]/[CN]
Inventors
  • 张涛允 ZHANG, Taoyun
  • 熊鹏 XIONG, Peng
  • 秦源汛 QIN, Yuanxun
  • 张广东 ZHANG, Guangdong
  • 何红太 HE, Hongtai
  • 张玉刚 ZHANG, Yugang
  • 桂菲菲 GUI, Feifei
  • 白文远 BAI, Wenyuan
  • 王津 WANG, Jin
  • 薛玲 XUE, Ling
  • 张发刚 ZHANG, Fagang
  • 刘康 LIU, Kang
  • 何卫锋 HE, Weifeng
  • 黄志勇 HUANG, Zhiyong
Agents
  • 北京高沃律师事务所 BEIJING GAOWO LAW FIRM
Priority Data
202010596194.128.06.2020CN
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) POWER DISTRIBUTION NETWORK PARTIAL DISCHARGE ULTRASONIC TEST METHOD AND SYSTEM
(FR) PROCÉDÉ ET SYSTÈME DE TEST ULTRASONORE DE DÉCHARGE PARTIELLE DE RÉSEAU DE DISTRIBUTION D'ÉNERGIE
(ZH) 一种配电网局部放电超声波检测方法及系统
Abstract
(EN) The present invention relates to a deep learning-based power distribution network partial discharge ultrasonic test method and system. The method comprises: training a neural network model; converting an ultrasonic signal of a partial discharge defect of a power distribution network device to be tested into Mel Frequency Cepstral data; inputting the Mel Frequency Cepstral data into a periodic neural network layer for learning to obtain a first feature; inputting an image of the partial discharge defect of the power distribution network device to be tested into a convolutional neural network layer for learning to obtain a second feature; linearly stitching the first feature and the second feature to obtain a third feature; and inputting the third feature into a multi-layer full connection layer to obtain a test result of the power distribution network device to be tested. Compared with the existing manual tests, the test method and system provided in the present invention are more efficient and accurate.
(FR) La présente invention se rapporte à un procédé et à un système de test ultrasonore de décharge partielle de réseau de distribution d'énergie fondé sur un apprentissage profond. Le procédé consiste : à entraîner un modèle de réseau neuronal ; à convertir un signal ultrasonore d'un défaut de décharge partielle d'un dispositif de réseau de distribution d'énergie à tester en données cepstrales dans la fréquence de Mel ; à entrer les données cepstrales dans la fréquence de Mel dans une couche de réseau neuronal périodique à entraîner afin d'obtenir une première caractéristique ; à entrer une image du défaut de décharge partielle du dispositif de réseau de distribution d'énergie à tester dans une couche de réseau neuronal convolutif à entraîner afin d'obtenir une deuxième caractéristique ; à assembler de façon linéaire la première caractéristique et la deuxième caractéristique afin d'obtenir une troisième caractéristique ; et à entrer la troisième caractéristique dans une couche de connexion complète multicouche afin d'obtenir un résultat de test du dispositif de réseau de distribution d'énergie à tester. Par comparaison avec les tests manuels existants, le procédé et le système de test selon la présente invention sont plus efficaces et précis.
(ZH) 本发明涉及一种基于深度学习的配电网局部放电超声波检测方法及系统,方法包括:训练神经网络模型;将待测配电网设备的局部放电缺陷的超声波信号转换成梅氏倒频谱数据;将梅氏倒频谱数据输入周期神经网络层进行学习得到第一特征;将待测配电网设备的局部放电缺陷的图像输入卷积神经网络层进行学习得到第二特征;将第一特征和第二特征进行线性拼接后得到第三特征;将第三特征输入多层全连接层,得到待测配电网设备的检测结果。本发明提出的检测方法及系统相对于现有的人工检测更高效、更准确。
Related patent documents
Latest bibliographic data on file with the International Bureau