详情

原文传递基于油浸式套管气体检测的套管故障检测方法和装置

专利名称：	基于油浸式套管气体检测的套管故障检测方法和装置
摘要：	本申请涉及一种基于油浸式套管气体检测的套管故障检测方法和装置。所述方法包括：获取放置于油浸式套管内各区域的气体检测传感探头采集的气体浓度数据，在气体浓度数据满足故障条件的情况下，将气体浓度数据对应的套管区域确定为可疑故障区域，将可疑故障区域对应的气体浓度数据输入目标决策树模型，得到气体浓度数据对应的故障类型识别结果和故障区域识别结果，比较可疑故障区域和故障区域识别结果所表征的故障区域，确定油浸式套管的目标故障识别结果。采用本方法能够利用气体检测传感探头准确且高效地检测套管各区域的气体浓度数据，通过气体浓度数据精确确定故障区域，实现对套管故障类型和故障区域的准确识别，提高套管故障检测的准确度。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	南方电网数字电网研究院有限公司
发明人：	李鹏;景茂恒;樊小鹏;田兵;徐振恒;谭则杰;陈仁泽;李立浧;姚森敬;韦杰
专利状态：	有效
申请日期：	2022-12-21T00:00:00+0800
发布日期：	2023-01-24T00:00:00+0800
申请号：	CN202211660424.1
公开号：	CN115639327A
代理机构：	华进联合专利商标代理有限公司
代理人：	邓丹
分类号：	G01N33/00;G16C20/20;G16C20/70;G06F18/214;G06F18/2431;G;G01;G16;G06;G01N;G16C;G06F;G01N33;G16C20;G06F18;G01N33/00;G16C20/20;G16C20/70;G06F18/214;G06F18/2431
申请人地址：	510700 广东省广州市黄埔区中新广州知识城亿创街1号406房之86
主权项：	1.一种基于油浸式套管气体检测的套管故障检测方法，其特征在于，所述方法包括：获取放置于油浸式套管内各区域的气体检测传感探头采集的气体浓度数据；所述气体检测传感探头设有用于通过气体的纳米级微孔；在所述气体浓度数据满足故障条件的情况下，将所述气体浓度数据对应的套管区域确定为可疑故障区域；将所述可疑故障区域对应的气体浓度数据输入目标决策树模型，得到所述气体浓度数据对应的故障类型识别结果和故障区域识别结果；比较所述可疑故障区域和所述故障区域识别结果所表征的故障区域，确定所述油浸式套管的目标故障识别结果；所述目标故障识别结果包括目标故障区域和所述故障类型识别结果所表征的故障类型。 2.根据权利要求1所述的方法，其特征在于，所述在所述气体浓度数据满足故障条件的情况下，将所述气体浓度数据对应的套管区域确定为可疑故障区域，包括：获取针对所述套管区域的气体类型的气体浓度阈值；在所述气体浓度数据大于所述气体浓度阈值的情况下，确定所述气体浓度数据对应的套管区域为所述可疑故障区域。 3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本数据集，根据所述样本数据集中的训练数据集，构建初始决策树模型；对所述初始决策树模型进行剪枝处理，得到剪枝决策树模型；利用所述样本数据集中的测试数据集，对所述剪枝决策树模型进行测试，得到所述剪枝决策树模型对应的测试结果；在所述测试结果指示所述剪枝决策树模型通过测试的情况下，确定所述剪枝决策树模型为所述目标决策树模型。 4.根据权利要求3所述的方法，其特征在于，所述训练数据集包括多个特征量；所述特征量为根据三比值法确定得到的；所述根据所述样本数据集中的训练数据集，构建初始决策树模型，包括：确定所述训练数据集中的各特征量对所述训练数据集的信息增益比；根据各所述特征量对应的信息增益比，确定目标特征量；根据所述目标特征量对应的信息增益比，构建所述目标特征量对应的决策树节点；去除所述多个特征量中的所述目标特征量，得到新的所述多个特征量；返回执行所述确定各所述特征量对所述训练数据集的信息增益比的步骤，直至得到所述初始决策树模型。 5.根据权利要求4所述的方法，其特征在于，所述根据所述目标特征量对应的信息增益比，构建所述目标特征量对应的决策树节点，包括：当所述目标特征量对应的信息增益比为0，将训练数据集中占比最多的故障类型作为单结点对应的类，构成所述决策树模型。 6.根据权利要求4所述的方法，其特征在于，所述根据所述目标特征量对应的信息增益比，构建所述目标特征量对应的决策树节点，还包括：当所述目标特征量对应的信息增益比不为0，将所述训练数据集分为多个非空子集，得到划分后的多个子节点对应的数据集；将每个子节点对应的数据集中占比最多的故障类型作为相应子节点对应的类，构成所述决策树模型。 7.一种基于油浸式套管气体检测的套管故障检测系统，其特征在于，所述系统包括：固体激光器、光谱检测单元、光开关、传感探头和计算机设备；所述光谱检测单元分别与所述固体激光器、所述计算机设备和所述光开关连接，所述计算机设备通过所述光开关与所述传感探头连接；其中：所述固体激光器，用于经所述光谱检测单元向所述光开关发送宽带光；所述光开关，用于使所述固体激光器发送的宽带光进入所述传感探头；所述传感探头，设有用于通过气体的纳米级微孔，放置于油浸式套管内各区域，用于返回散射光至所述光谱检测单元；所述散射光为所述宽带光与所述传感探头中的气体相互作用后产生的；所述光谱检测单元，用于接收和分析所述传感探头返回的散射光，得到光谱检测数据；所述计算机设备，用于根据所述光谱检测数据，获取油浸式套管内各区域的气体浓度数据；所述计算机设备，还用于在所述气体浓度数据满足故障条件的情况下，将所述气体浓度数据对应的套管区域确定为可疑故障区域；所述计算机设备，还用于将所述可疑故障区域对应的气体浓度数据输入目标决策树模型，得到所述气体浓度数据对应的故障类型识别结果和故障区域识别结果；所述计算机设备，还用于比较所述可疑故障区域和所述故障区域识别结果所表征的故障区域，确定所述油浸式套管的目标故障识别结果；所述目标故障识别结果包括目标故障区域和所述故障类型识别结果所表征的故障类型。 8.一种基于油浸式套管气体检测的套管故障检测装置，其特征在于，所述装置包括：获取模块，用于获取放置于油浸式套管内各区域的气体检测传感探头采集的气体浓度数据；所述气体检测传感探头设有用于通过气体的纳米级微孔；确定模块，用于在所述气体浓度数据满足故障条件的情况下，将所述气体浓度数据对应的套管区域确定为可疑故障区域；识别模块，用于将所述可疑故障区域对应的气体浓度数据输入目标决策树模型，得到所述气体浓度数据对应的故障类型识别结果和故障区域识别结果；对比模块，用于比较所述可疑故障区域和所述故障区域识别结果所表征的故障区域，确定所述油浸式套管的目标故障识别结果；所述目标故障识别结果包括目标故障区域和所述故障类型识别结果所表征的故障类型。 9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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中任一项所述的方法的步骤。 10.一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。