(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211080478.0 (22)申请日 2022.09.05 (71)申请人 国网安徽省电力有限公司电力科 学 研究院 地址 230601 安徽省合肥市蜀山区紫云 路 299号 申请人 国网安徽省电力有限公司 (72)发明人 刘伟　谢恒　陈庆涛　 (74)专利代理 机构 上海东信专利商标事务所 (普通合伙) 31228 专利代理师 李丹　杨丹莉 (51)Int.Cl. G06T 5/50(2006.01) G06T 5/10(2006.01) G06V 10/56(2022.01)G06V 10/54(2022.01) G06V 10/764(2022.01) G01R 31/12(2006.01) (54)发明名称 基于NSST图谱处理的光电局部放电图像融 合方法及系统 (57)摘要 本发明提供了一种基于NSST图谱处理的光 电局部放电图像融合方法， 其包括步骤： (1)采集 表征设备故障类型的同一时段的光学局部放电 PRPD图谱以及特高频局部放电PRPD图谱； (2)对 该同一时段的光学局部放电PRPD图谱以及特高 频局部放电PRPD图谱分别进行NSS T分解， 以得到 各自的低频子带图和高频子带图； (3)基于高频 子带图得到高频系数， 基于低频子带图得到低频 系数； (4)将光学局部放电PRPD图谱和特高频局 部放电PRPD图谱对应的低频系数进行融合， 以得 到融合后的低频系数； 将光学局部放电PRPD图谱 和特高频局部放电PRPD图谱对应的高频系数进 行融合， 以得到融合后的高频系数； (5)基于融合 后高频系数和融合后的低频系数进行NSST逆变 换， 得到光电融合图谱。 权利要求书2页 说明书10页 附图5页 CN 115439385 A 2022.12.06 CN 115439385 A 1.一种基于NS ST图谱处 理的光电局部放电图像融合方法， 其特 征在于， 包括 步骤： (1)采集表征设备故障类型的同一时段的光学局部放电PRPD图谱以及特高频局部放电 PRPD图谱； (2)对该同一时段的光学局部放电PRPD图谱以及特高频局部放电PRPD图谱分别进行 NSST分解， 以分别得到各自的低频子带图和高频子带图； (3)基于所述高频子带图得到高频系数， 基于所述低频子带图得到低频系数； (4)将光学局部放电PRPD图谱对应的低频系数和特高频局部放电PRPD图谱对应的低频 系数进行融合， 得到融合后的低频系数； 将光学局部放电PRPD图谱对应的高频系数和特高 频局部放电PRP D图谱对应的高频系数进行融合， 得到融合后的高频系数； (5)基于融合后高频系数和融合后的低频系数进行NS ST逆变换， 得到光电融合图谱。 2.如权利要求1所述的光电局部放电图像 融合方法， 其特征在于， 在步骤(4)中， 采用平 均谱半径的图像特征加权机制， 采用能量属性和改进的拉普拉斯能量和的融合规则对低频 系数进行融合。 3.如权利要求1所述的光电局部放电图像 融合方法， 其特征在于， 步骤(4)中， 采用绝对 值取大的方法对高频系数进行融合。 4.一种基于NS ST图谱处 理的光电局部放电图像融合系统， 其特 征在于， 包括： 数据采集模块， 其采集表征设备故障类型的同一时段的光学局部放电PRPD图谱以及特 高频局部放电PRP D图谱； 融合模块， 其被设置为： 对该同一时段的光学局部放电PRPD图谱以及特高频局部放电PRPD图谱分别进行NSST 分解， 以分别得到各自的低频子带图和高频子带图； 基于所述高频子带图得到高频系数， 基 于所述低频子带图得到低频系数； 将光学局部放电PRPD图谱对应的低频系数和特高频局部放电PRPD图谱对应的低频系 数进行融合， 得到融合后的低频系数； 将光学局部放电PRPD图谱对应的高频系数和特高频 局部放电PRP D图谱对应的高频系数进行融合， 得到融合后的高频系数； 基于融合后高频系数和融合后的低频系数进行NS ST逆变换， 得到光电融合图谱。 5.如权利要求4所述的光电局部放电图像融合系统， 其特征在于， 所述融合模块采用平 均谱半径的图像特征加权机制， 采用能量属性和改进的拉普拉斯能量和的融合规则对低频 系数进行融合。 6.如权利要求4所述的光电局部放电图像融合系统， 其特征在于， 所述融合模块采用绝 对值取大的方法对高频系数进行融合。 7.一种基于光电局部放电图像的设备缺陷识别方法， 其特 征在于， 包括 步骤： (1)采集表征设备故障类型的同一时段的光学局部放电PRPD图谱以及特高频局部放电 PRPD图谱； (2)对该同一时段的光学局部放电PRPD图谱以及特高频局部放电PRPD图谱分别进行 NSST分解， 以分别得到各自的低频子带图和高频子带图； (3)基于所述高频子带图得到高频系数， 基于所述低频子带图得到低频系数； (4)将光学局部放电PRPD图谱对应的低频系数和特高频局部放电PRPD图谱对应的低频 系数进行融合， 得到融合后的低频系数； 将光学局部放电PRPD图谱对应的高频系数和特高权　利　要　求　书 1/2 页 2 CN 115439385 A 2频局部放电PRP D图谱对应的高频系数进行融合， 得到融合后的高频系数； (5)基于融合后高频系数和融合后的低频系数进行NS ST逆变换， 得到光电融合图谱； (6)提取所述光电融合图谱的特 征； (7)将提取的特 征输入故障分类 器， 以输出对应的故障类型。 8.如权利要求7所述的设备缺陷识别方法， 其特征在于， 在步骤(6)中， 提取所述光电融 合图谱的颜色特 征、 形状特 征和纹理特征的至少其中之一。 9.如权利要求7所述的设备缺陷识别方法， 其特征在于， 在步骤(7)中， 采用朴素贝叶斯 分类器作为所述故障分类 器。 10.一种基于光电局部放电图像的设备缺陷识别系统， 其特 征在于， 包括： 数据采集模块， 其采集表征设备故障类型的同一时段的光学局部放电PRPD图谱以及特 高频局部放电PRP D图谱； 融合模块， 其被设置为： 对该同一时段的光学局部放电PRPD图谱以及特高频局部放电 PRPD图谱分别进行NSST分解， 以分别 得到各自的低频子带图和高频子带图； 基于所述高频 子带图得到高频系数， 基于所述低频子带图得到低频系数； 将光学局部放电PRPD图谱对应 的低频系数和特高频局部放电PRPD图谱对应的低频系数进行融合， 得到融合后的低频系 数； 将光学局部放电PRPD图谱对应的高频系数和特高频局部放电PRPD图谱对应的高频系数 进行融合， 得到融合后的高频系数； 基于融合后高频系数和融合后的低频系数进行NSST逆 变换， 得到光电融合图谱； 特征提取模块， 其 提取所述光电融合图谱的特 征； 故障分类 器， 将提取的所述特 征输入故障分类 器， 输出对应的故障类型。权　利　要　求　书 2/2 页 3 CN 115439385 A 3