本发明涉及绝缘子，尤其涉及一种绝缘子闪络风险预警系统。
背景技术：
1、绝缘子是安装在不同电位的导体或导体与接地构件之间的器件，主要功能是实现电气绝缘和机械固定。由真空和绝缘子组成的绝缘体系存在着一种特殊的物理现象：真空环境中绝缘体的耐压能力将大大降低，甚至低于相同距离的真空间隙或固体绝缘子本身的绝缘强度。根本原因是绝缘体表面发生了沿着真空—绝缘体交界面的贯穿性电击穿过程，即沿面闪络。高压真空设备中真空绝缘沿面闪络现象不仅严重制约着设备的耐压能力，影响着相关设备的正常运行，还可能会造成巨大的经济损失。
2、随着电力系统电压等级的提高和输送容量的增大，对绝缘子的电绝缘性能提出了更高的要求，传统闪络电压测量方法多从绝缘本体的结构参数或物理参数出发，进而拟合计算临界闪络电压值，即记录绝缘表面击穿的瞬时电压值，忽略了绝缘材料长期服役下表面电荷积聚特性和老化特性，这限制了对沿面闪络是否发生的预测，难以准确高效评估长时间稳定运行下绝缘子表面发生劣化后，在持续高电场强度作用下发生突发性沿面闪络的潜在威胁，导致不能及时进行闪络预警，对电力企业造成损失，国民经济带来重大危害。
技术实现思路
1、鉴于上述的分析，本发明实施例旨在提供一种基于绝缘子闪络风险预警系统，用以解决现有闪络风险评估准确率和效率低的问题。
2、一方面，本发明实施例提供了一种绝缘子闪络风险预警系统，包括：
3、电流采集单元，用于采集绝缘子表面产生泄漏电流时的电流信号；当所述电流信号超过预设阈值时向声信号采集单元和拍摄单元发送触发信号，并将采集的电流信号发送至处理单元；
4、声信号采集单元，用于当接收到所述触发信号后采集声音信号，并将采集的声信号发送至处理单元；
5、拍摄单元，用于当接收到所述触发信号后采集绝缘子表面图像，并将拍摄的表面图像发送至处理单元；
6、处理单元，用于对所述电流信号和声信号进行模数转换以及将转换后的电流信号、声信号和表面图像发送至监测中心；
7、监测中心，用于根据所述转换后的电流信号、声信号和表面图像提取多维特征数据；基于训练好的闪络风险预测模型预测绝缘子当前的闪络风险；当闪络风险大于预设的风险阈值时，向报警单元发送报警信息；
8、报警单元，用于根据所述报警信息进行报警。
9、基于上述系统的进一步改进，所述电流采集单元包括电流传感器、放大器和触发电路；
10、所述电流传感器采用非接触的穿芯式泄漏电流传感器，用于采集绝缘子的泄漏电流信号；
11、放大器用于对采集的泄漏电流信号进行放大；
12、触发电路用于将放大后的泄露电流信号与预设阈值比较，当泄漏电流信号大于预设阈值时输出高电平信号作为触发信号。
13、基于上述系统的进一步改进，所述闪络风险预测模型为多分类神经网络模型；所述多分类神经网络模型包括：
14、第一特征提取模块，用于根据所述转换后的电流信号和声信号提取第一特征；
15、第二特征提取模块，用于从所述表面图像提取第二特征；
16、特征融合模块，用于将所述第一特征和第二特征融合得到融合特征；
17、分类模块，用于基于所述融合特征进行绝缘子状态分类；
18、风险计算模块，用于基于绝缘子状态分类结果计算绝缘子闪络风险。
19、基于上述系统的进一步改进，采用以下方式得到训练好的闪络风险预测模型：
20、采集绝缘子不同状态下的多维特征数据；以多维特征数据为训练样本的输入数据，以绝缘子的状态为标签构建训练样本集；所述不同状态包括无明显放电、电晕和闪络状态；
21、构建多分类神经网络模型；基于所述训练样本集对所述多分类神经网络模型进行训练，将训练好的多分类神经网络模型作为训练好的闪络风险预测模型。
22、基于上述系统的进一步改进，在构建训练样本集之后，基于所述训练样本集对所述多分类神经网络模型进行训练之前，还包括：
23、提取所述训练样本集中标签为闪络的样本，将提取的样本的多维特征和对应的表面图像拼接构成源数据；
24、将源数据输入训练好的生成对抗网络模型生成新的闪络状态的样本，将生成的新的闪络状态的样本加入训练样本集对所述训练样本集进行扩充。
25、基于上述系统的进一步改进，所述生成对抗网络模型包括第一生成器、第二生成器、第一判别器和第二判别器；
26、所述第一生成器用于根据输入数据生成第一样本并对第一样本中的表面图像进行电弧分割；所述第一判别器用于对第一生成器生成的结果进行真伪判别；
27、所述第二生成器用于根据输入的第一样本生成第二样本并对第二样本中的表面图像进行电弧分割；所述第二判别器用于对第二生成器生成的结果进行真伪判别。
28、基于上述系统的进一步改进，所述第一生成器和第二生成器的结构相同；所述第一生成器包括：
29、编码器，用于采用多层下采样结构提取输入的源数据的浅层特征；
30、解码器，用于采用多层上采样结构的对输入特征进行解码输出解码特征；所述编码器和解码器之间连接有跳跃连接，用于将编码器将每一层下采样的浅层特征传输至编码器对应的上采样层，作为编码器对应的上采样层的输入；
31、生成模块，用于根据解码器最后一层上采样层输出的解码特征生成第一样本；
32、分割模块，用于根据解码特征生成表面图像的轮廓分割图像。
33、基于上述系统的进一步改进，采用以下公式计算生成对抗网络模型的损失：
34、loss＝θ1(‖xp-yp‖1+β‖xp·s-yp·s‖1)+θ2ldice
35、+θ3lfeat(xp,xp′)+θ4ld
36、其中，xp表述第一生成器的输入数据中的表面图像，yp表示第一生成器生成的第一样本中的表面图像，s表示第一生成器输入数据中的表面图像对应的电弧分割图，ldice表示电弧分割损失，lfeat(·,·)表示特征重建损失，xp′表示第二生成器生成的第二样本中的表面图像，ld表示判别器损失，θ1、θ2、θ3和θ4表示权重系数，β表示参数，‖·‖1表示矩阵的一范数。
37、基于上述系统的进一步改进，采用以下公式计算电弧分割损失ldice：
38、
39、其中，syp表示第一生成器对第一样本中的表面图像进行电弧分割得到的电弧分割图像，表示第二生成器对第二样本中的表面图像进行电弧分割得到的电弧分割图像。
40、基于上述系统的进一步改进，风险计算模块基于绝缘子状态分类结果采用以下公式计算绝缘子的闪络风险概率：
41、risk＝ω1p1+ω2p2+ω3p3
42、其中，p1表示模型预测的绝缘子为闪络状态的概率，p2表示模型预测的绝缘子为电晕状态的概率，p3表示模型预测的绝缘子为无明显放电状态的概率，ω1、ω2和ω3表示权重，其中ω1>ω2>ω3。
43、与现有技术相比，本发明通过电流采集单元采集泄漏电流、通过声信号采集单元采集声信号，通过拍摄单元采集产生泄漏电流时的图像，通过电流信号、声信号和表面图像提取电-声-光多维特征，从而基于电-声-光多维特征准确高效的得到绝缘子发生闪络的风险，当风险超过阈值时及时通过报警单元进行报警，便于工作人员及时进行维护、检修，从而提高电力系统的运行安全性，对供电可靠性具有重要意义。
44、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
1.一种绝缘子闪络风险预警系统，其特征在于，包括：
2.根据权利要求1所述的绝缘子闪络风险预警系统，其特征在于，所述电流采集单元包括电流传感器、放大器和触发电路；
3.根据权利要求1所述的绝缘子闪络风险预警系统，其特征在于，所述闪络风险预测模型为多分类神经网络模型；所述多分类神经网络模型包括：
4.根据权利要求1所述的绝缘子闪络风险预警系统，其特征在于，采用以下方式得到训练好的闪络风险预测模型：
5.根据权利要求4所述的绝缘子闪络风险预警系统，其特征在于，在构建训练样本集之后，基于所述训练样本集对所述多分类神经网络模型进行训练之前，还包括：
6.根据权利要求5所述的绝缘子闪络风险预警系统，其特征在于，所述生成对抗网络模型包括第一生成器、第二生成器、第一判别器和第二判别器；
7.根据权利要求6所述的绝缘子闪络风险预警系统，其特征在于，所述第一生成器和第二生成器的结构相同；所述第一生成器包括：
8.根据权利要求7所述的绝缘子闪络风险预警系统，其特征在于，采用以下公式计算生成对抗网络模型的损失：
9.根据权利要求5所述的绝缘子闪络风险预警系统，其特征在于，采用以下公式计算电弧分割损失ldice：
10.根据权利要求3所述的绝缘子闪络风险预警系统，其特征在于，风险计算模块基于绝缘子状态分类结果采用以下公式计算绝缘子的闪络风险概率：
