本发明涉及局部放电数据监管，具体为一种基于人工智能的局部放电数据监管系统及方法。
背景技术：
1、局部放电是由于电气设备绝缘内部存在的，在一定外施电压下发生的局部的和重复的击穿和熄灭现象。随着绝缘内部局部放电的发生，将伴随着如光、热、噪音、电脉冲、介质损耗的增大和电磁波放射等现象的发生。目前探测局部放电的方法一般有以下几种：脉冲电流法、宽带检测法、窄带检测法、超声波检法、tev检测法；然而目前的探测方法均只是能够探测到局部放电的产生以及粗略地知晓局部放电的类型，例如通过tev检测法，使用电容式感应器将表面电压耦合至传感器，可以对运行中的开关柜内的设备局部放电状况进行定量测试，又可通过同一放电源到不同位置的时间差异来对局部放电源进行定位，可以判断出局部放电是属于内部放电还是表面放电，但是对于更深层次的放电类型却无法分析，例如内部放电处于电气设备绝缘内部，根本无法发现产生局部放电的原因，从而在生产产品过程中无法做到未雨绸缪；同时在局部放电数据监管过程中，也缺乏对于危险处理的标定值，从而缺乏智能上的时间监管，而目前针对深层次的局部放电研究，国内尚没有相关方面的做法。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的局部放电数据监管系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的局部放电数据监管方法，该方法包括以下步骤：
3、s1、构建人工智能数据专家库，所述人工智能数据专家库内包括有局部放电的历史测试数据，所述历史测试数据按照同一电气设备试品不同时期进行分组存储，并标记电气设备试品的局部放电位置；所述人工智能数据专家库是一种具有专门知识和经验的计算机智能程序系统，后台采用的数据库相当于人脑，具有丰富的知识储备，采用数据库中的知识数据和知识推理技术来模拟专家解决问题。
4、s2、人工智能数据专家库基于历史测试数据形成局部放电数据变化趋势，构建局部放电数据分析模型；
5、s3、基于实时检测的局部放电数据变化，形成局部放电的预测分析结果，反馈至监管端口；
6、s4、监管端口设置有时间预警模型，基于不同的危险时间数据分析，输出监管时间阈值，记录在人工智能数据专家库，若超出监管时间阈值后，未收到技术员的反馈信息数据，形成紧急标记时间推送至管理员端口。
7、根据上述技术方案，所述局部放电的历史测试数据包括：
8、六个参量数据；
9、所述六个参量数据包括：两次局部放电的间隔时间以及每一次局部放电的视在放电电荷、局部放电的试验电压、局部放电能量、局部放电起始电压和局部放电熄灭电压；
10、所述视在放电电荷指将电荷瞬时注入局部放电试品两端时，引起试品两端电压的瞬时变化量与局部放电本身所引起的电压瞬时变化量相等的电荷量；
11、所述局部放电的试验电压指在试验程序中施加的规定电压，在此电压下，试品不呈现超过规定量值的局部放电；
12、所述局部放电能量指因局部放电脉冲所消耗的能量；
13、所述局部放电起始电压指当加于试品上的电压从未测量到局部放电的较低值开始，逐渐增加，直至在试验测试回路中观察到产生这个放电值的最低电压；
14、所述局部放电熄灭电压指当加于试品上的电压从已测到局部放电的较高值开始，逐渐降低，直至在试验测量回路中观察不到这个放电值的最低电压。
15、根据上述技术方案，所述局部放电包括内部局部放电、表面放电以及电晕放电；
16、所述内部局部放电指在电气设备试品的绝缘系统中，当局部区域的电场强度达到电介质的击穿场强时，局部区域出现放电，但放电并没有贯穿施加电压的两导体之间，整个绝缘系统仍然保持绝缘性能，发生在绝缘体内的称为内部放电；所述内部局部放电包括复合介质内部放电与单一介质内部放电，所述复合介质内部放电指的是不均匀的绝缘介质中的不同介电特性的绝缘层间出现局部放电，例如气体-固体复合绝缘、液体-固体复合绝缘的中间介质层出现局部放电；所述单一介质内部放电指不均匀的绝缘介质中的同一介质内出现局部放电，例如固体绝缘孔隙中、液体绝缘气泡中出现局部放电；
17、所述表面放电指在电场中介质有一平行于表面的场强分量，当场强分量达到击穿场强时，出现表面放电；所述电晕放电是在电场极不均匀的情况下，导体表面附近的电场强度达到气体的击穿场强时所发生的放电。
18、根据上述技术方案，所述构建局部放电数据分析模型包括：
19、根据试品的局部放电形成位置判断是否属于内部放电，若属于内部放电则进一步判断属于内部放电的类型；若不属于内部放电，直接输出对应的放电类型至监管端口；
20、获取局部放电的历史测试数据，对同一试品的同一内部局部放电类型下取连续n组数据，记为a1至an，每一组数据中包括对应的六个参量数据，第一组数据中的两次局部放电的间隔时间记为单位1，则任一组数据记为一个集合；
21、取集合中除两次局部放电的间隔时间外的任一个参量数据，与两次局部放电的间隔时间形成n组数据的数据回归模型，所述数据回归模型指以两次局部放电的间隔时间作为纵坐标，以除两次局部放电的间隔时间外的任一个参量数据作为横坐标形成的线性回归模型；
22、基于形成的五组数据回归模型判断数据拟合度，所述判断数据拟合度包括：
23、以真实的两次局部放电的间隔时间为输入，基于数据回归模型输出回归模拟值，计算回归模拟值与真实值之间的差值绝对值，若差值绝对值超出系统设定阈值，则判定为不符合模型值，对任一组数据中的不符合模型值进行汇总，形成n组数据下的数量集合k1至kn，其中k1至kn分别代表每一组数据中不符合模型值的数量；
24、利用k1至kn作为横坐标，以两次局部放电的间隔时间作为纵坐标，形成拟合模型，作为局部放电数据分析模型，获取实测下的电气设备局部放电数据，计算不符合模型值数量，形成实测下的局部放电数据分析模型，将实测下的局部放电数据分析模型与内部局部放电的两个拟合模型进行相似度对比，去相似度较高的对应的内部局部放电类型输出至监管端口。
25、根据上述技术方案，所述时间预警模型包括：
26、获取监管端口提供的局部放电类型，取用试品同一局部放电类型下的危险时间值的平均值作为标定值p，所述危险时间值指电气设备绝缘失效的时间点与开始发生局部放电的时间点之间的时长；
27、将标定值p作为监管时间阈值，记录在人工智能数据专家库，若超出监管时间阈值后，未收到技术员的反馈信息数据，形成紧急标记时间推送至管理员端口。
28、一种基于人工智能的局部放电数据监管系统，该系统包括：人工智能数据专家模块、局部放电数据分析模块、监管模块以及时间预警模块；
29、所述人工智能数据专家模块用于构建人工智能数据专家库，所述人工智能数据专家库内包括有局部放电的历史测试数据，所述历史测试数据按照同一电气设备试品不同时期进行分组存储，并标记电气设备试品的局部放电位置；所述局部放电数据分析模块用于调用人工智能数据专家库的历史测试数据形成局部放电数据变化趋势，构建局部放电数据分析模型；所述监管模块基于实时检测的局部放电数据变化，形成局部放电的预测分析结果，反馈至监管端口；同时监管端口设置有时间预警模型，基于不同的危险时间数据分析，输出监管时间阈值，记录在人工智能数据专家库；所述时间预警模块用于若超出监管时间阈值后，未收到技术员的反馈信息数据，形成紧急标记时间推送至管理员端口；
30、所述人工智能数据专家模块的输出端与所述局部放电数据分析模块的输入端相连接；所述局部放电数据分析模块的输出端与所述监管模块的输入端相连接；所述监管模块的输出端与所述时间预警模块的输入端相连接。
31、根据上述技术方案，所述人工智能数据专家模块包括分析单元与存储单元；
32、所述分析单元用于构建人工智能数据专家库；所述存储单元用于存储局部放电的历史测试数据；
33、所述分析单元的输出端与所述存储单元的输入端相连接。
34、根据上述技术方案，所述局部放电数据分析模块包括数据调用单元与模型构建单元；
35、所述数据调用单元用于调用人工智能数据专家库的历史测试数据形成局部放电数据变化趋势；所述模型构建单元基于局部放电数据变化趋势构建局部放电数据分析模型；
36、所述数据调用单元的输出端与所述模型构建单元的输入端相连接。
37、根据上述技术方案，所述监管模块包括模型分析单元与时间阈值单元；
38、所述模型分析单元基于实时检测的局部放电数据变化，形成局部放电的预测分析结果，反馈至监管端口；所述时间阈值单元设置有时间预警模型，基于不同的危险时间数据分析，输出监管时间阈值，记录在人工智能数据专家库；
39、所述模型分析单元的输出端与所述时间阈值单元的输入端相连接。
40、根据上述技术方案，所述时间预警模块包括反馈单元与预警单元；
41、所述反馈单元用于接收技术员的反馈信息数据；所述预警单元用于在超出监管时间阈值后，未收到技术员的反馈信息数据，形成紧急标记时间推送至管理员端口；
42、所述反馈单元的输出端与所述预警单元的输入端相连接。
43、与现有技术相比，本发明所达到的有益效果是：本发明能够提供深层次的局部放电类型分析，从而在出现局部放电时尽快确定故障位置和类型，尽可能提高检测能力，判断局部放电是属于内部放电还是表面放电后，对于更深层次的放电类型继续分析；同时在局部放电数据监管过程中，形成危险处理的标定值，提高智能上的时间监管效果，同时研究并开发局部放电图谱模型构建库，形成局部放电在线图谱库建设，满足典型局部放电类型图谱库和局部放电故障案例构建，在局部放电实际诊断期间，实现对其案例匹配、训练和分析，在生产、评估方向提供重要的理论依据。
1.一种基于人工智能的局部放电数据监管方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的局部放电数据监管方法，其特征在于：所述局部放电的历史测试数据包括：
3.根据权利要求2所述的一种基于人工智能的局部放电数据监管方法，其特征在于：所述局部放电包括内部局部放电、表面放电以及电晕放电；
4.根据权利要求3所述的一种基于人工智能的局部放电数据监管方法，其特征在于：所述构建局部放电数据分析模型包括：
5.根据权利要求4所述的一种基于人工智能的局部放电数据监管方法，其特征在于：所述时间预警模型包括：
6.一种基于人工智能的局部放电数据监管系统，其特征在于：该系统包括：人工智能数据专家模块、局部放电数据分析模块、监管模块以及时间预警模块；
7.根据权利要求6所述的一种基于人工智能的局部放电数据监管系统，其特征在于：所述人工智能数据专家模块包括分析单元与存储单元；
8.根据权利要求6所述的一种基于人工智能的局部放电数据监管系统，其特征在于：所述局部放电数据分析模块包括数据调用单元与模型构建单元；
9.根据权利要求6所述的一种基于人工智能的局部放电数据监管系统，其特征在于：所述监管模块包括模型分析单元与时间阈值单元；
10.根据权利要求6所述的一种基于人工智能的局部放电数据监管系统，其特征在于：所述时间预警模块包括反馈单元与预警单元；
