电晕放电状态评估方法、装置、计算机设备和存储介质与流程

1.本技术涉及高压电气设备故障检测技术领域，特别是涉及一种电晕放电状态评估方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.电晕放电指带电体表面在气体介质中所发生局部自持性放电现象，其长期的累积效应会造成高电压电气设备表面的腐蚀和老化。随着电网系统中直流输电运维经验的不断丰富，高电压电气设备电晕放电对于设备运行安全所可能造成的不利影响，越来越得到运维部门高度重视。
3.目前，主要通过紫外检测技术来探测高电压电气设备内器件的表面放电情况。但是利用紫外检测方法只能检测到电晕放电现象，无法准确判断电晕放电状态。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种准确判断放电状态的电晕放电状态评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种电晕放电状态评估方法。该方法包括：
6.获取电气设备的图像特征数据；
7.基于图像特征数据，并采用主成分分析法得到主成分特征；
8.根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
9.根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
10.在其中一个实施例中，根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态包括：根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
11.在其中一个实施例中，预设电晕放电状态区间的确定过程包括：获取电晕放电的历史图像特征数据以及历史脉冲电流数据；根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征；根据主成分特征，得到图像特征综合评价指标；将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系；基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
12.在其中一个实施例中，根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征包括：根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
13.在其中一个实施例中，根据主成分特征，得到图像特征综合评价指标包括：根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特
征综合评价指标。
14.在其中一个实施例中，基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间包括：根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
15.第二方面，本技术还提供了一种电晕放电状态评估装置。该装置包括：
16.获取模块，用于获取电气设备的图像特征数据；
17.分析模块，用于基于图像特征数据，并采用主成分分析法得到主成分特征；
18.电流确定模块，用于根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
19.状态确定模块，用于根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
20.在其中一个实施例中，状态确定模块还用于根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
21.在其中一个实施例中，电晕放电状态评估装置还包括训练模块，用于获取电晕放电的历史图像特征数据以及历史脉冲电流数据；根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征；根据主成分特征，得到图像特征综合评价指标；将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系；基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
22.在其中一个实施例中，训练模块还用于根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
23.在其中一个实施例中，训练模块还用于根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
24.在其中一个实施例中，训练模块还用于根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
25.第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：
26.获取电气设备的图像特征数据；
27.基于图像特征数据，并采用主成分分析法得到主成分特征；
28.根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
29.根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
30.第四方面，本技术还提供了一种计算机可读存储介质。该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以下步骤：
31.获取电气设备的图像特征数据；
32.基于图像特征数据，并采用主成分分析法得到主成分特征；
33.根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
34.根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
35.第五方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
36.获取电气设备的图像特征数据；
37.基于图像特征数据，并采用主成分分析法得到主成分特征；
38.根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
39.根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
40.上述电晕放电状态评估方法、装置、计算机设备、存储介质和计算机程序产品，获取电气设备的图像特征数据；基于图像特征数据，并采用主成分分析法得到主成分特征；根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。整个方案通过获取电气设备的图像特征数据，并基于图像特征，计算得到脉冲电流数据，进而根据脉冲电流以及图像特征放电得分再次进行放电状态判断，通过多维度的特征进行多次评估，得到的电晕放电状态更加准确。
附图说明
41.图1为一个实施例中电晕放电状态评估方法的应用环境图；
42.图2为一个实施例中电晕放电状态评估方法的流程示意图；
43.图3为一个实施例中预设电晕放电状态区间确定过程的流程示意图；
44.图4为一个实施例中电晕放电状态评估装置的结构框图；
45.图5为一个实施例中计算机设备的内部结构图。
具体实施方式
46.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
47.目前，电力系统主要通过紫外检测法来判断电气设备的电晕放电状态，由于紫外检测设备输出结果的特征较多，现有的利用紫外检测评价电晕放电强度的方法大多选用单一的特征，具有较强的主观性，可能造成评价结果的不准确。
48.本技术实施例提供的电晕放电状态评估方法，可以应用于如图1所示的应用环境中。其中，其中，采集设备102通过网络与终端104进行通信。采集设备102采集换流阀电晕放电的紫外图像，将紫外图像传输至终端104，终端104获取电气设备的图像特征数据；基于图像特征数据，并采用主成分分析法得到主成分特征；根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；根据脉冲电流数据以及预设电晕放电状
态区间，确定电气设备的电晕放电状态。其中，终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
49.在一个实施例中，如图2所示，提供了一种电晕放电状态评估方法，以该方法应用于图1中的终端104为例进行说明，包括以下步骤：
50.步骤202，获取电气设备的图像特征数据。
51.其中，图像特征数据指的是电晕放电的紫外图像中提取得到的特征数据。图像特征数据包括紫外图像光子数、紫外光子数导数、紫外图像放电光斑面积和紫外图像最大放电光斑面积。
52.电晕放电指的是电气设备绝缘表面的局部放电会产生的一系列的光热等现象。紫外图像是由采集设备采集电气设备电晕放电图像得到的。采集设备可以为日盲紫外成像设备，由日盲紫外成像设备通过240～280nm的紫外线信号对现场运行的电气设备绝缘表面的局部放电现象进行检测。电气设备在放电初期弱放电阶段主要释放100nm-400nm的紫外光信号，紫外脉冲法利用紫外光电转换器将紫外光信号转变为电信号，因而光脉冲信号可作为监控绝缘子绝缘状态的特征参量。紫外成像仪采用双通道图像融合技术，其紫外探测通道由于采用了特殊的滤镜，只探测240-280nm波段的紫外光，避开了太阳光的干扰，因此在白天也可以清晰地看到放电现象。
53.具体地，紫外成像仪采集电气设备局部放电的紫外图像，并将紫外图像上传至终端。终端获取紫外成像仪采集的电晕放电紫外图像。终端对紫外成像仪拍摄的紫外图像进行灰度化得到灰度图像；利用阈值分割法将所述灰度图像二值化得到二值图像；利用数学形态学对所述二值图像消噪，进一步地，可以采用开运算提取二值图像上灰度值为零的白色噪点以及白色对焦窗口消噪；根据像素面积提取消噪后的二值图像的最大放电光斑；利用边缘梯度法对最大放电光斑进行轮廓提取；计算紫外图像的放电光斑面积和紫外图像的最大放电光斑面积。
54.通过紫外成像仪设备，可以直接获取紫外光子数，通过监视整个电晕放电过程，读取各个放电阶段的光子数，可以拟合出光子数变化图像，求解出光子数导数；紫外成像仪输出的图像和视频中有多个紫外放电光斑，可以计算出所有紫外光斑的面积，或通过图像处理技术筛选出最大放电光斑，计算其面积。
55.步骤204，基于图像特征数据，并采用主成分分析法得到主成分特征。
56.具体地，图像特征数据的各项指标中，紫外光子数、紫外光子数的导数、紫外光斑面积之间都存在着一定的关联，用这些指标来解释电晕放电脉冲电流时，会造成信息的重叠。主成分分析是对于原先提出的所有指标，将关系紧密的指标删去，建立尽可能少的新指标，这些新指标在反映信息方面尽可能保持原有的所有信息。
57.终端将图像特征数据输入预设主成分计算模型中进行计算，得到图像特征贡献率综合到达预设贡献率阈值的特征，即主成分特征。预设主成分计算模型中包含了图像特征中各成分特征的贡献系数，将贡献值高的多个特征进行提取，得到主成分特征。根据各成分特征的提取系数以及各成分特征数据计算，可得到主成分特征以及主成分特征中各特征对应的特征贡献率。终端对图像特征数据构建目标评估矩阵，对目标评估矩阵进行矩阵标准
化处理，得到标准化矩阵，根据标准化矩阵计算相关系数矩阵，得到特征向量矩阵，根据特征向量矩阵进行特征贡献率计算，得到各特征对应的特征贡献率，根据各个成分的贡献度，选取贡献度最大的一项作为主成分，当某个主成分的贡献度大于90％时，可以认定它包含了大多数信息，当最大的一项不足90％时，选取随后的若干项作为主成分，直至其贡献度之和大于90％。
58.步骤206，根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据。
59.其中，预设电晕放电脉冲电流与图像特征拟合关系指的是图像综合特征与脉冲电流之间的拟合关系，根据确定的图像综合特征以及图像综合特征与脉冲电流之间的拟合关系，即可求得脉冲电流数据。脉冲电流指的是电气设备在电晕放电过程中脉冲电流的数值。电气设备电晕放电过程中，会产生重复脉冲式电流，随着电压升高，脉冲电流的幅值和频率都会随之升高，可以将脉冲电流作为判断电晕放电大小的直接指标，但由于工程中难以直接测量，本实施例通过预设电晕放电脉冲电流与图像特征拟合关系来计算脉冲电流。
60.具体地，终端根据主成分特征以及主成分特征中各特征对应的特征贡献率进行矩阵相乘，得到图像综合特征。终端将图像特征放电得分输入预设电晕放电脉冲电流与图像特征拟合表达式中进行计算，得到电气设备在电晕放电过程中的脉冲电流数据。
61.步骤208，根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
62.其中，预设电晕放电状态区间基于主成分图像特征以及脉冲电流峰值以及优劣区间法分析得到。预设电晕放电状态区间包含电晕放电过程中不同状态对应的脉冲电流值以及图像特征。电晕放电状态表征电气设备在电晕放电过程中的放电强度。
63.具体地，终端根据脉冲电流数据以及图像特征放电得分，计算电气设备的脉冲电流数据对应的图像特征放电得分与电晕放电放电阶段中理想解的贴近度，将贴近度最近的状态区间作为电气设备的电晕放电状态。
64.上述电晕放电状态评估方法中，获取电气设备的图像特征数据；基于图像特征数据，并采用主成分分析法得到主成分特征；根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。整个方案通过获取电气设备的图像特征数据，并基于图像特征，计算得到脉冲电流数据，根据脉冲电流以及图像特征放电得分再次进行放电状态判断，通过多维度的特征进行多次评估，得到的电晕放电状态更加准确。
65.在一个可选的实施例中，根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态包括：根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
66.具体地，终端根据脉冲电流数据确定脉冲电流区间，根据脉冲电流区间确定放电阶段，根据图像特征放电得分，计算电气设备的脉冲电流数据对应的图像特征放电得分与放电阶段中正理想解以及负理想解的贴近度，将贴近度最近的放电区间作为所属的放电状态区间，将所属的放电状态区间的放电状态作为电气设备的电晕放电状态。根据电晕放电状态还可以进一步对器件的运行状况进行评估。
67.本实施例中，通过脉冲电流数据首先确定脉冲电流区间，进而计算脉冲电流数据
以及预设电晕放电状态区间与脉冲电流区间中不同放电阶段的理想解的贴近度，可以提高放电状态评估效率。
68.在一个可选的实施例中，如图3所示，预设电晕放电状态区间的确定过程包括：
69.步骤302，获取电晕放电的历史图像特征数据以及历史脉冲电流数据。
70.其中，历史图像特征数据指的是电晕放电的紫外图像中提取得到的特征数据。历史图像特征数据包括紫外图像光子数、紫外光子数导数、紫外图像放电光斑面积和紫外图像最大放电光斑面积。脉冲电流数据指的是电气设备在电晕放电过程中脉冲电流的数值。电气设备电晕放电过程中，会产生重复脉冲式电流，随着电压升高，脉冲电流的幅值和频率都会随之升高，可以将脉冲电流作为判断电晕放电大小的直接指标，但由于工程中难以直接测量，需要利用其他指标进行评价，可以通过高频罗氏线圈和示波器采集获得电晕放电脉冲电流。
71.具体地，终端采集电气设备电晕放电过程中的历史紫外图像，对紫外成像仪拍摄的历史紫外图像进行灰度化得到灰度图像；利用阈值分割法将所述灰度图像二值化得到二值图像；利用数学形态学对所述二值图像消噪，进一步地，可以采用开运算提取二值图像上灰度值为零的白色噪点以及白色对焦窗口消噪；根据像素面积提取消噪后的二值图像的最大放电光斑；利用边缘梯度法对最大放电光斑进行轮廓提取；计算紫外图像的放电光斑面积和紫外图像的最大放电光斑面积。通过紫外成像仪设备，可以直接获取紫外光子数，通过监视整个电晕放电过程，读取各个放电阶段的光子数，可以拟合出光子数变化图像，求解出光子数导数；紫外成像仪输出的图像和视频中有多个紫外放电光斑，可以计算出所有紫外光斑的面积，或通过图像处理技术筛选出最大放电光斑，计算其面积。。终端通过高频罗氏线圈和示波器采集获得电晕放电的脉冲电流数据。
72.步骤304，根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征。
73.具体地，终端根据主成分分析法确定历史图像特征数据中各特征与电晕放电之间的对应关系，根据各特征与电晕放电之间的对应关系进行主成分提取，得到主成分特征。
74.步骤306，根据主成分特征，得到图像特征综合评价指标。
75.具体地，终端根据主成分特征以及主成分特征贡献率进行计算，得到图像特征综合评价指标。进一步地，根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；将主成分特征中每一项特征向量与标准化矩阵中的每一行分别相乘，得到的和再乘以这一项贡献率，得到放电综合评价指标。
76.步骤308，将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系。
77.具体地，终端根据多组图像特征综合评价指标与历史脉冲电流数据进行相关性分析，利用数学关系拟合得到电晕放电脉冲电流与图像特征的拟合表达式。进一步地，终端从图像特征综合评价指标与历史脉冲电流数据中，获得在电晕放电起始、电晕放电不同阶段起始时、以及发生击穿前的综合评价指标和脉冲电流峰值，通过数学拟合得到两者的关系：i＝f(z)。
78.步骤310，基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
79.具体地，随着电气设备外施电压的提高，电晕放电可以根据脉冲电流峰值的大小和脉冲频率划分为不同阶段，每一个阶段可以找到一个典型的双指数脉冲电流波形，根据该波形电流的峰值，作为划分优劣区间的依据。
80.终端根据不同放电阶段的脉冲电流峰值，将电晕放电起始时的脉冲电流峰值对应的图像特征综合评价指标作为负理想解z
i-，发生击穿前的电流峰值对应的评价指标作为正理想解z
i+
，并计算各放电阶段起始时刻对应的图像特征综合评价指标与理想解之间的贴近度，根据计算得到的各贴近度，作为优劣区间的边界，得到多个电晕放电状态区间。
81.在一个可选的实施例中，根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征包括：根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
82.具体地，终端根据历史图像特征数据中每一项特征数据，构建目标评估矩阵x；对目标评估矩阵进行标准化处理，得到标准化矩阵y，标准化处理公式如下：
[0083][0084]
其中，yj为标准化后的向量，为xj的标准差，e为期望值。
[0085]
计算相关系数矩阵r及其特征值，并求得对应的正则化特征向量，形成特征向量矩阵u。
[0086]
确定各成分贡献度，假设主成分分析法所得主成分向量中共有n个主成分，则第k个主成分的贡献度可由下式确定：
[0087][0088]
根据各个成分的贡献度，选取贡献度最大的一项作为主成分，当某个主成分的贡献度大于90％时，可以认定它包含了大多数信息，当最大的一项不足90％时，选取随后的若干项作为主成分，直至其贡献度之和大于90％。
[0089]
在一个可选的实施例中，根据主成分特征，得到图像特征综合评价指标包括：根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
[0090]
具体地，终端将主成分特征中每一项特征向量u1与标准化矩阵y中的每一行分别相乘，相乘之后的结果进行累加，得到的和再乘以这一项贡献率b1，得到放电综合评价指标z。
[0091]
在一个可选的实施例中，基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间包括：根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
[0092]
具体地，将电晕放电起始时的脉冲电流峰值对应的评价指标作为负理想解z
i-，发
生击穿前的电流峰值对应的评价指标作为正理想解z
i+
，划分优劣区间的过程如下：
[0093]
计算各个放电阶段起始时的电流值对应的评价指标和正、负理想解之间的欧式距离，欧式距离计算公式为：
[0094][0095]
其中，z
i+
为各正理想解，z
i-为各负理想解，z
ij
为各评价标准。
[0096]
计算各个放电阶段起始时的评价指标对应的贴近度，计算公式为：
[0097][0098]
由此可以进行优劣区间的划分：
[0099]
(0,t1),(t1,t2),(t2,t3),
…
,(t
n-1
,tn)。
[0100]
为了易于理解本技术实施例提供的技术方案，以完整的电晕放电状态评估过程对本技术实施例提供的电晕放电状态评估方法进行简要说明：
[0101]
(1)获取电晕放电的历史图像特征数据以及历史脉冲电流数据。
[0102]
(2)根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征；根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
[0103]
(3)将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系。
[0104]
(4)根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
[0105]
(5)获取电气设备的图像特征数据；基于图像特征数据，并采用主成分分析法得到主成分特征；根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
[0106]
本技术获取电晕放电评价指标；一方面将紫外检测图像包含的特征通过主成分分析法进行特征融合，计算综合评价指标；另一方面结合电晕放电的特点，将电晕放电脉冲电流值划分为不同区间；通过建立脉冲电流和综合指标之间的函数关系，利用优劣解距离法计算理想解和贴近度，进一步划分出优劣区间。有效避免紫外图像特征选择的主观性，提高电晕放电状态(即放电强度)判断的准确性。
[0107]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这
些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0108]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的电晕放电状态评估方法的电晕放电状态评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电晕放电状态评估装置实施例中的具体限定可以参见上文中对于电晕放电状态评估方法的限定，在此不再赘述。
[0109]
在一个实施例中，如图4所示，提供了一种电晕放电状态评估装置，包括：获取模块402、分析模块404、电流确定模块406和状态确定模块408，其中：
[0110]
获取模块402，用于获取电气设备的图像特征数据；
[0111]
分析模块404，用于基于图像特征数据，并采用主成分分析法得到主成分特征；
[0112]
电流确定模块406，用于根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
[0113]
状态确定模块408，用于根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
[0114]
在一个实施例中，状态确定模块408还用于根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
[0115]
在一个实施例中，电晕放电状态评估装置还包括训练模块，用于获取电晕放电的历史图像特征数据以及历史脉冲电流数据；根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征；根据主成分特征，得到图像特征综合评价指标；将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系；基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
[0116]
在一个实施例中，训练模块还用于根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
[0117]
在一个实施例中，训练模块还用于根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
[0118]
在一个实施例中，训练模块还用于根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
[0119]
上述电晕放电状态评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0120]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程
序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电晕放电状态评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0121]
本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0122]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0123]
获取电气设备的图像特征数据；
[0124]
基于图像特征数据，并采用主成分分析法得到主成分特征；
[0125]
根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
[0126]
根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
[0127]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态包括：根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
[0128]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：预设电晕放电状态区间的确定过程包括：获取电晕放电的历史图像特征数据以及历史脉冲电流数据；根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征；根据主成分特征，得到图像特征综合评价指标；将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系；基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
[0129]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征包括：根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
[0130]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据主成分特征，得到图像特征综合评价指标包括：根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
[0131]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间包括：根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
[0132]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0133]
获取电气设备的图像特征数据；
[0134]
基于图像特征数据，并采用主成分分析法得到主成分特征；
[0135]
根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
[0136]
根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
[0137]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态包括：根据预设电晕放电状态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
[0138]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：预设电晕放电状态区间的确定过程包括：获取电晕放电的历史图像特征数据以及历史脉冲电流数据；根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征；根据主成分特征，得到图像特征综合评价指标；将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系；基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
[0139]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征包括：根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
[0140]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据主成分特征，得到图像特征综合评价指标包括：根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
[0141]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间包括：根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
[0142]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0143]
获取电气设备的图像特征数据；
[0144]
基于图像特征数据，并采用主成分分析法得到主成分特征；
[0145]
根据主成分特征以及预设电晕放电脉冲电流与图像特征拟合关系，得到脉冲电流数据；
[0146]
根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态。
[0147]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据脉冲电流数据以及预设电晕放电状态区间，确定电气设备的电晕放电状态包括：根据预设电晕放电状
态区间，确定脉冲电流数据所属的放电状态区间；根据放电状态区间，确定电气设备的电晕放电状态。
[0148]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：预设电晕放电状态区间的确定过程包括：获取电晕放电的历史图像特征数据以及历史脉冲电流数据；根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征；根据主成分特征，得到图像特征综合评价指标；将图像特征综合评价指标与历史脉冲电流数据进行拟合，得到电晕放电脉冲电流与图像特征拟合关系；基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间。
[0149]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据主成分分析法对历史图像特征数据进行特征融合，得到主成分特征包括：根据历史图像特征数据，构建目标评估矩阵；对目标评估矩阵进行标准化处理，得到标准化矩阵；根据标准化矩阵，确定图像特征中的各成分贡献率；根据各成分贡献率，确定主成分特征。
[0150]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据主成分特征，得到图像特征综合评价指标包括：根据主成分特征的特征向量、标准化矩阵以及主成分特征中各成分贡献率进行计算，得到图像特征综合评价指标。
[0151]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于电晕放电脉冲电流与图像特征拟合关系，采用优劣解距离法进行区间划分，得到预设电晕放电状态区间包括：根据电晕放电脉冲电流与图像特征拟合关系以及历史脉冲电流数据，计算不同放电状态对应的脉冲电流峰值；根据不同放电状态对应的脉冲电流峰值，确定放电状态正理想解和负理想解；根据放电状态正理想解和负理想解进行距离计算，确定预设电晕放电状态区间。
[0152]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0153]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0154]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0155]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。