一种基于云技术的人工智能局放监测判别系统及方法

摘要

本发明提供一种基于云技术的人工智能局放实时监测判别方法，包括以下步骤：S1、通过局放传感器实时检测电缆线路上的局放信号；S2、局放就地信号处理装置获取局放信号并处理形成中间数据；S3、通过云服务器获取中间数据并进行安全处理形成测试数据后，进行存储分析；S4、通过智能终端获取测试数据并显示。还提供一种基于云技术的人工智能局放监测判别系统，利用上述的方法，包括局放传感器、局放就地信号处理装置、云服务器和智能终端。本发明基于云技术和无线传输技术实现测试数据的共享，不同区域的局放测试专家可随时远程支援判别局放，对测试人员的要求不高。

说明书

技术领域

本发明涉及局放测试技术领域，更具体地，涉及一种基于云技术的人工智能局放监测判别系统及方法。

背景技术

局放测试时，因电缆线路的测点区域分布较广，往往需要移动式的检测方法，其工作人员的工作量较大，也因局放测试专家较少及培训局放测试人员难度较大等，造成专业的局放测试人员不足，同时，测试现场的测试时间有限，往往需要测试人员的瞬时反应和及时判断，而测试人员的专业知识不足会导致测试质量下降和误判的可能性。而对于庞大的局放数据(每秒2000Mbps)也难以及时传输到公司总部进行数据资源共享，使得其他区域的专家难以支援现场的局放诊断，这也使得局放带电检测的准确率不高，效率也较低。同时，现场测试过程中仅能够记录测试数据，无法将庞大的测试数据用于局放测试的样本学习比对。

同时，近年来虽然有部分局放检测设备已实现测试数据的无线传输，例如中国专利CN104459487A公开了一种“基于3G通信的局部放电实时监测系统的实现方法”可以远程实时检测与监控多个远间隔电缆终端的局放信号，但由于现有的局放测试数据较大，其无法及时将检测大数据传输至后台与测试人员或专家共享检测数据；并且目前技术手段大多使用公网进行明文传输，在安全性方面存在很大隐患；且尝试使用安全加密方式进行数据的传输但仍然有死机、局放大数据无法成功传输、数据解密错误、安全认证和密钥出错的问题等存在，这些也导致局放测试工作不能够正常进行。另外，随着局放数据判别库的自动增多，对比计算的次数也会增多，还会出现计算时间增加进而影响计算性能的问题。

发明内容

本发明为克服上述背景技术所述的由于现有的局放测试数据较大，其无法及时将检测大数据传输至后台与测试人员或专家共享检测数据的问题，提供一种基于云技术的人工智能局放监测判别系统及方法。本发明基于云技术和无线传输技术实现测试大数据的共享，不同区域的局放测试专家可随时远程支援判别局放，对测试人员的要求不高。

为解决上述技术问题，本发明采用的技术方案是：一种基于云技术的人工智能局放实时监测判别方法，包括以下步骤：

S1、通过局放传感器实时检测电缆线路上的局放信号；

S2、与所述局放传感器连接的局放就地信号处理装置获取所述局放信号并将所述局放信号处理形成中间数据；

S3、通过与所述局放就地信号处理装置无线通信连接的云服务器获取所述中间数据并对所述中间数据进行安全处理形成测试数据后，将所述测试数据进行存储分析；

S4、通过与所述云服务器无线通信连接的智能终端获取所述测试数据并显示。

所述局放就地信号处理装置包括：

100Msps ADC采样模块，与所述局放传感器连接，用于获取所述局放信号；

处理器模块，与所述100MspsADC采样模块连接，用于对所述局放信号依次进行放大、滤波、检波、模数转换后形成初始数据；

无线模块，与所述处理器模块连接，用于获取所述初始数据并进行安全认证和加密解密处理并形成所述中间数据后，将所述中间数据无线传输至所述云服务器。

所述无线模块包括：

加解密安全芯片，用于获取所述初始数据并进行加密以形成所述中间数据；

MT7688智能路由，用于将所述中间数据无线传输至所述云服务器。

进一步的，为了仅能够记录测试数据，无法将庞大的测试数据用于局放测试的样本学习比对的问题，所述云服务器包括：

局放应用模块，用于获取所述局放就地信号装置传输过来的中间数据，并对所述中间数据进行自动存储、自动预处理、自动计算和判别后得到所述测试数据，将所述测试数据无线传输至所述智能终端；

AI模型训练模块，用于对所述测试数据进行训练学习并使所述测试数据成为新的比对样本，将所述比对样本更新在样本库中，为下一次局放测试备用。

进一步的，为了将数据安全传输到后台，所述加解密安全芯片在所述加密过程之前还需进行密钥协商，所述密钥协商的步骤包括：

S21、第一单元产生随机数r1，作：

A＝ECert2(r1)‖ESkey1(H(r1))，将A发送到第二单元；

S22、第二单元对A解密并验证第一单元的签名，产生随机数r2，作：B＝ECert1(r2)‖ESkey2(H(r2))，将B发送到第一单元；

采集类终端的安全防护

合成会话密钥：DK＝r1⊕r2；

S23、第一单元对B解密并验证第二单元的签名，作：

合成会话密钥：DK＝r1⊕r2，

C＝H(r1⊕r2)，将C发送到第二单元；

第二单元作D＝H(r1⊕r2)，并比较C与D是否相同；

若相同，则此时双方已经验证的对方身份，并持有会话密钥：DK＝r1⊕r2；若不同，则第二单元给出协商失败告警信息，通知第一单元，由第一单元重新发起协商。

进一步的，所述加密的步骤包括：

S31、对所述初始数据的数据报文填充1～16字节，使其长度为16的倍数，填充的第一个字节为0x80，后续的填充字节内容为0x0；附加加密报文的头部信息及初始向量IV，所述IV是由加密侧随机生成16字节随机数；

S32、对填充后的原始报文+填充报文使用之前协商好的会话密钥DK进行加密。

进一步的，为了解决4G/5G无线模块所涉及到的加解密安全芯片在224+n*256(0≤n≤7)字节偶尔死机的问题，所述无线模块在所述初始数据的末尾人为加入“0x80”和“0x00”2个字节后再加密。

进一步的，为了解决局放大数据无法传输的问题，所述无线模块在加密之前使用LZO无损解压缩算法把所述初始数据压缩成数据流，再把所述数据流分割成小于等于2048字节的数据块。

进一步的，为了解决随着局放数据判别库的自动增多，对比计算的次数也会增多，导致计算时间增加进而影响计算性能的问题，所述云服务器的存储分析包括以下步骤：

S41、制作数据判别库；

S42、数据存储：对获取的数据进行特征值计算，然后和数据判别库中的每个样本进行对比，取最大相似度的库结果值为该数据的结果值；如果该数据的最大相似度低于设定阈值，则同时将该数据自动标记并加入到所述数据判别库中作为样本；

S43、数据分析：计算数据的特征值，生成特征值的同时生成一个对应且唯一的数据标记值，且不同类型的数据标记值不同，对特征值进行大小对比并按照大小进行排序。

当对云服务器获得的数据进行特征值计算后，同时得到一个数据标记值，利用“二分法查找”算法，快速定位最大相似度的库结果值，减少对比计算的时间，即使是百万、千万级的数据判别库，对比的次数不会相差7次。这样虽然随着数据判别库的在自动增多，但计算时间不会增多，不会影响计算数据的性能。

还提供一种基于云技术的人工智能局放监测判别系统，利用上述的人工智能局放实时监测判别方法，其包括：

局放传感器，用于检测电缆线路上的局放信号；

局放就地信号处理装置，与所述局放传感器连接，用于获取所述局放信号并将所述局放信号处理形成中间数据；

云服务器，与所述局放就地信号处理装置无线通信连接，用于获取所述中间数据并对所述中间数据进行安全处理形成测试数据后，将所述测试数据进行存储分析；

智能终端，与所述云服务器无线通信连接，用于获取所述测试数据并显示。

与现有技术相比，有益效果是：

1、本发明基于云技术和无线传输技术实现测试数据的共享，不同区域的局放测试专家可随时远程支援判别局放，对测试人员的要求不高；且通过4G/5G无线模块并搭载各种算法程序把数据分类识别，将有效和有用的数据打包压缩传输给云服务器，进行测试大数据共享。

2、本发明对局放测试数据进行安全认证和加解密，保障测试数据的安全传输；基于各种算法和程序解决了死机、大数据无法传输、加解密错误、安全认证无法通过等问题，保障了局放测试数据的正确安全的传输。

3、本发明基于云技术的强大存储和计算能力，不仅能够运行局放应用程序，也能够搭载AI模型训练程序，使其学习的样本即刻可用于局放测试的判别中；也能将大量的测试数据传输至云服务器进行存储、计算和样本训练，对于测试电脑的要求不高。

附图说明

图1是实施例1的示意图。

图2是本发明中局放就地信号处理装置的示意图。

图3是实施例1中密钥协商的流程示意图。

图4是实施例1中加密的流程示意图。

图5是实施1中测试数据存储分析过程的流程示意图。

图6是实施例1使用时的示意图。

图7是实施例1使用时的流程示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

实施例1

本实施例提供一种基于云技术的人工智能局放实时监测判别方法，包括以下步骤：

S1、通过局放传感器实时检测电缆线路上的局放信号并传输；

S2、与局放传感器连接的局放就地信号处理装置获取局放信号并将局放信号处理形成中间数据后，将中间数据进行无线传输；

S3、通过与局放就地信号处理装置无线通信连接的云服务器获取中间数据并对中间数据进行安全处理形成测试数据后，将测试数据进行存储分析和无线传输；

S4、通过与云服务器无线通信连接的智能终端获取测试数据并显示。

如图2所示，局放就地信号处理装置包括：

100Msps ADC采样模块，与局放传感器连接，用于获取局放信号；

处理器模块，与100MspsADC采样模块连接，用于对局放信号依次进行放大、滤波、检波、模数转换后形成初始数据；

无线模块，与处理器模块连接，用于获取初始数据并进行安全认证和加密解密处理并形成中间数据后，将中间数据无线传输至云服务器。

无线模块为4G/5G无线模块，该无线模块包括：

加解密安全芯片，用于获取初始数据并进行加密以形成中间数据；

MT7688智能路由，用于将中间数据无线传输至云服务器。

为了将数据安全传输到后台，加解密安全芯片在加密过程之前还需进行密钥协商，密钥协商的步骤如图3所示，大致概括为：

S21、第一单元产生随机数r1，作：

A＝ECert2(r1)‖ESkey1(H(r1))，将A发送到第二单元；

S22、第二单元对A解密并验证第一单元的签名，产生随机数r2，作：B＝ECert1(r2)‖ESkey2(H(r2))，将B发送到第一单元；

采集类终端的安全防护

合成会话密钥：DK＝r1⊕r2；

S23、第一单元对B解密并验证第二单元的签名，作：

合成会话密钥：DK＝r1⊕r2，

C＝H(r1⊕r2)，将C发送到第二单元；

第二单元作D＝H(r1⊕r2)，并比较C与D是否相同；

若相同，则此时双方已经验证的对方身份，并持有会话密钥：DK＝r1⊕r2；若不同，则第二单元给出协商失败告警信息，通知第一单元，由第一单元重新发起协商。

为了解决加解密安全芯片接口与路由器对接M7768路由芯片的SPI(SerialPeripheral Interface)接口必须使用加解密安全芯片的模式3，但使用时会出现第8位高位字节随机置位或复位问题，导致加解密数据错误；为此，本实施例，设计上不采用M7768路由芯片的SPI接口，而是使用程序模拟GPIO的方法实现SPI的模式3的功能，保证正确解密数据。

安全芯片通信接口模式，极性表示为CPOL(Clock Polarity)，相位表示为CPHA(Clock Phase)，极性和相位组合成4种工作模式。

CPOL:空闲时的时钟信号电平(1:高电平,0:低电平)

CPHA:时钟第几个边沿采样(1:第二个边沿开始,0:第一个边沿开始)

如图4所示，加密的步骤包括：

S31、对初始数据的数据报文填充1～16字节，使其长度为16的倍数，填充的第一个字节为0x80，后续的填充字节内容为0x0；附加加密报文的头部信息及初始向量IV，IV是由加密侧随机生成16字节随机数；

S32、对填充后的原始报文+填充报文使用之前协商好的会话密钥DK进行加密。

云服务器中的局放应用模块设有安全接入模块，用于获取中间数据并进行解密。局放应用模块获取中间数据后，需要对中间数据进行解密，中间数据解密过程为加密的逆过程，解密后需要检查填充报文是否正确。

为了解决4G/5G无线模块所涉及到的加解密安全芯片在224+n*256(0≤n≤7)字节偶尔死机的问题，无线模块在初始数据的末尾人为加入“0x80”和“0x00”2个字节后再加密；解密后把末尾的“0x80”和“0x00”剔除，使其跳过异常死机区域，继而保障数据的正确加解密。

为了解决局放大数据无法传输的问题，无线模块在加密之前使用LZO无损解压缩算法把初始数据压缩成数据流，再把数据流分割成小于等于2048字节的数据块，最后使用国密SM1对称加密算法加密数据块，再把数据块发送到云服务器。

为了仅能够记录测试数据，无法将庞大的测试数据用于局放测试的样本学习比对的问题，云服务器包括：

局放应用模块，用于获取局放就地信号装置传输过来的中间数据，并对中间数据进行存储分析(即自动存储、自动预处理、自动计算和判别)后得到测试数据，将测试数据无线传输至智能终端；

AI模型训练模块，用于对测试数据进行训练学习并使测试数据成为新的比对样本，将比对样本更新在样本库中，为下一次局放测试备用。

本实施例基于云技术将庞大的检测数据的存储和计算部署在云服务器上，计算更加的快捷、稳定和安全，对于测试电脑的要求不高。云服务器的局放应用模块和AI模型训练模块部署了局放应用程序和AI模型训练程序两套测试程序两套测试程序，局放应用程序用于局放测试使用，主要是对局放就地信号处理装置传输过来的信号进行自动存储、自动预处理、自动计算和判别，判别结果通过无线的方式传输给测试现场的手机或平板电脑的专用软件查看；AI模型训练程序主要是将测试数据训练学习使其成为新的比对样本，提升局放的判别准确率，当停止局放测试作业后，自动启动AI模型训练程序，并调用现场测试数据，开始样本的预处理，对于处理后的样本数据进行标记，局放标记为0，非局放标记为1，通过训练找出样本参数，并将训练好的数据作为新的样本更新在样本库中，局放测试时调用样本库中的数据进行智能局放判别。

本实施例中，为了解决随着局放数据判别库的自动增多，对比计算的次数也会增多，导致计算时间增加进而影响计算性能的问题，云服务器的存储分析包括以下步骤：

S41、制作数据判别库；

S42、数据存储：对获取的数据进行特征值计算，然后和数据判别库中的每个样本进行对比，取最大相似度的库结果值为该数据的结果值；如果该数据的最大相似度低于设定阈值，则同时将该数据自动标记并加入到数据判别库中作为样本；

S43、数据分析：计算数据的特征值，生成特征值的同时生成一个对应且唯一的数据标记值，且不同类型的数据标记值不同，对特征值进行大小对比并按照大小进行排序。

需在云服务器的数据需要存储分析处理，对于云数据分析流程如图5所示，首先是制作数据判别库，接着是对云获得的数据进行特征值计算，然后和数据判别库中的每个样本进行对比，取最大相似度的库结果值为该数据的结果值。如果最大相似度低于60％(该阈值可调)，则对该数据自动标记并加入数据判别库。云数据分析时需要对计算数据特征值的方法进行调整，让生成特征值的同时生成一个对应的数据标记值，且不同类型的数据标记值不同，即让数据标记值具有唯一性，对特征值进行大小对比，按照数据大小进行排序。当对云获得的数据进行特征值计算后，同时得到一个数据标记值，利用“二分法查找”算法，快速定位最大相似度的库结果值，减少对比计算的时间，即使是百万、千万级的数据判别库，对比的次数不会相差7次。这样虽然随着数据判别库的在自动增多，但计算时间不会增多，不会影响计算数据的性能。

本实施例的大致工作原理为：如图6和图7所示，搭建好局放带电检测系统，能够对电缆线路分布在不同位置的所有电缆的中间接头和终端进行同步局放检测，其每个测点包含局放传感器、局放就地信号处理装置、云服务器和专家后台诊断中心。局放传感器安装在电缆线路上采集局放信号，采集到的局放信号通过同轴电缆传输给局放就地信号处理装置处理，处理后的信号数据通过4G/5G无线传输的方式传输给云服务器进行安全接入、数据存储、预处理和局放判别，现场测试的平板电脑可通过无线的方式查看分布在电缆线路上的所有测点的测试数据。也可通过无线方式连线分布在不同区域、不同省和不同国家的专家后台诊断中心的电脑、平板电脑或手机进行专家远程遥控遥测。当退出现场测试流程后，会自动启用AI模型训练程序进行样本训练，AI模型训练程序调用现场测试数据后进行样本的预处理，并标记样本的数值，训练出样本参数，并更新样本库，当现场测试过程中即可调用样本库进行比对判断，给出判断结果。

本实施例通过4G/5G无线模块并搭载各种算法程序把数据分类识别，将有效和有用的数据打包压缩传输给云服务器，进行测试大数据共享；基于云技术和无线传输技术实现测试数据的共享，不同区域的局放测试专家可随时远程支援判别局放，对测试人员的要求不高；并且，对局放测试数据进行安全认证和加解密，保障测试数据的安全传输；基于各种算法和程序解决了死机、大数据无法传输、加解密错误、安全认证无法通过等问题，保障了局放测试数据的正确安全的传输。另外，本实施例基于云技术的强大存储和计算能力，不仅能够运行局放应用程序，也能够搭载AI模型训练程序，使其学习的样本即刻可用于局放测试的判别中；本实施例将大量的测试数据传输至云服务器进行存储、计算和样本训练，对于测试电脑的要求不高。

实施例2

本实施例提供一种基于云技术的人工智能局放监测判别系统，其利用实施例1中的人工智能局放实时监测判别方法，主要包括：

局放传感器，用于检测电缆线路上的局放信号并传输；

局放就地信号处理装置，与局放传感器连接，用于获取局放信号并将局放信号处理形成中间数据后，将中间数据进行无线传输；

云服务器，与局放就地信号处理装置无线通信连接，用于获取中间数据并对中间数据进行安全处理形成测试数据后，将测试数据进行存储分析和无线传输；

智能终端，与云服务器无线通信连接，用于获取测试数据并显示。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。