本发明涉及避雷器非线性特性参数识别，尤其涉及一种避雷器的参数采样方法、装置及电子设备。
背景技术：
1、金属氧化物避雷器(metal oxide surge arrester，moa)是一种用来保护电力设备的装置，由于moa电阻具有的非线性特性，在正常电压下流过避雷器的电流极小。而在过电压下moa电阻迅速减小，能量得到快速释放，起到了保护电力设备的作用。moa结构简单、体积小、通流能力强，在电力系统中受到了广泛的应用。
2、避雷器正常运行时，由于金属氧化物阀片优秀的非线性特性，使得其伏安特性曲线的非线性度非常大。随着运行年限增加，避雷器不免收到大电压冲击，使得其金属氧化物阀片肖特基势垒发生迁移，造成非线性度下降。进而造成避雷器运行时泄漏电流增大，功耗增大加速避雷器劣化。传统避雷器停电试验即避雷器直流1ma试验，即在避雷器直流1ma时测量其直流电压数值记为u1ma,并记录75％直流1ma电压时候的泄漏电流数值记为i75％u1ma。然而，这种方法容易受外界环境与避雷器表面污秽度影响。
3、为了消除表面污秽与外环境对直流1ma试验的影响。近些年行业内有位专家提出了通过避雷器直流1ma试验伏安特性曲线，识别表征避雷器伏安特性的参数，根据参数判断避雷器的劣化程度。由于避雷器伏安曲线具有较大非线性度，端电压较小时避雷器泄漏电流变化小，随着端电压上升，泄漏电流变化剧烈。
4、因此，在采样点数一定的情况下如果采用均匀线性采样的方法，会造成最终采样序列包含的信息不确定度巨大，以至于伏安特性参数的拟合精度不高。增加采样点数虽然可以降低信息熵，但也会导致样本冗余度过高。另一方面，增加采样点数将带来采样时间增加，拟合算法运行量增大的不利影响。
技术实现思路
1、本发明提供了一种避雷器的参数采样方法、装置及电子设备，以实现提升避雷器参数的采样样本的确定度，优化避雷器伏安特性曲线的拟合精度。
2、根据本发明的一方面，提供了一种避雷器的参数采样方法，包括：
3、根据采样点数和采样数值范围对所述避雷器的参数进行初始采样，得到初始样本集合，并确定所述初始样本集合的信息熵，其中，所述避雷器的参数包括泄漏电流值；
4、在所述信息熵大于预设阈值的情况下，初始化采样系数集合，并采用鱼群优化算法优化所述初始化采样系数集合中的采样系数，得到目标采样系数；
5、基于所述目标采样系数确定目标采样序列，基于所述目标采样序列对所述避雷器的参数进行采样，得到所述避雷器参数对应的目标样本集合。
6、根据本发明的另一方面，提供了一种避雷器的参数采样装置，包括：
7、初始样本采样模块，根据采样点数和采样数值范围对所述避雷器的参数进行初始采样，得到初始样本集合，并确定所述初始样本集合的信息熵，其中，所述避雷器的参数包括泄漏电流值；
8、目标系数确定模块，用于在所述信息熵大于预设阈值的情况下，初始化采样系数集合，并采用鱼群优化算法优化所述初始化采样系数集合中的采样系数，得到目标采样系数；
9、目标样本采集模块，用于基于所述目标采样系数确定目标采样序列，基于所述目标采样序列对所述避雷器的参数进行采样，得到所述避雷器参数对应的目标样本集合。
10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的避雷器的参数采样方法。
14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的避雷器的参数采样方法。
15、本发明实施例的技术方案，通过根据采样点数和采样数值范围对避雷器的参数进行初始采样，得到初始样本集合，并确定初始样本集合的信息熵，其中，避雷器的参数包括泄漏电流值；在信息熵大于预设阈值的情况下，初始化采样系数集合，并采用鱼群优化算法优化初始化采样系数集合中的采样系数，得到目标采样系数；基于目标采样系数确定目标采样序列，基于目标采样序列对避雷器的参数进行采样，得到避雷器参数对应的目标样本集合。本发明的技术方案，解决了现有的采样方式会造成最终采样序列包含的信息不确定度巨大，以至于伏安特性参数的拟合精度不高的问题。或者，增加采样点数将带来采样时间增加，拟合算法运行量增大的不利影响技术问题，通过非均匀数据采样策略和鱼群优化算法提升了样本的确定度，优化拟合精度。
16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种避雷器的参数采样方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据采样点数和采样数值范围对所述避雷器的参数进行初始采样，得到初始样本集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述初始样本集合的信息熵，包括：
4.根据权利要求1所述的方法，其特征在于，所述在所述信息熵大于预设阈值的情况下，初始化采样系数集合，包括：
5.根据权利要求1所述的方法，其特征在于，所述采用鱼群优化算法优化所述初始化采样系数集合中的采样系数，得到目标采样系数，包括：
6.根据权利要求5所述的方法，其特征在于，所述通过鱼群优化算法对所述鱼群中的个体进行优化，使所述目标函数的取值最小，并将所述目标函数取值最小时对应的个体作为所述目标采样系数，包括：
7.根据权利要求6所述的方法，其特征在于，所述重复执行候选个体的确定和更新过程，直至满足预设条件时，得到目标个体，将所述目标个体作为所述目标采样系数，包括：
8.根据权利要求1所述的方法，其特征在于，所述基于所述目标采样系数确定目标采样序列，基于所述目标采样序列对所述避雷器的参数进行采样，得到所述避雷器参数对应的目标样本集合，包括：
9.一种避雷器的参数采样装置，其特征在于，包括：
10.一种电子设备，其特征在于，所述电子设备包括：
