[發明專利]基于數據挖掘的局部放電診斷方法

無效

• 申請號: 201310631966.0
• 申請日: 2013-12-02
• 公開（公告）號: CN103592587A
• 公開（公告）日: 2014-02-19
• 發明（設計）人: 陳曉紅;錢勇;袁冰;靳方元;劉宗杰;劉長征;徐輝;丁清鵬;盛戈皞;江秀臣
• 申請（專利權）人: 國家電網公司;國網山東省電力公司濟寧供電公司;上海交通大學
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 上海東信專利商標事務所(普通合伙) 31228
• 代理人: 楊丹莉;李丹

技術領域

本發明涉及一種電信號檢測方法，尤其涉及一種局部放電的診斷方法。

背景技術

對于運行了一定年限的大型電力設備來說，其絕緣問題會隨著使用年限的增長日益顯著。同時惡劣的環境因素以及電力設備本身的局部缺陷也會大大縮短電力設備的使用壽命，導致絕緣老化嚴重，故障頻發。

作為反映大型電力設備絕緣狀態的重要參量，局部放電與電力設備的絕緣狀況有著密切聯系。不同缺陷所產生的局部放電信號特征不同，而不同類型的局部放電對電力設備絕緣的破壞程度也不同，因此，電力設備局部放電的診斷是非常重要的。

現有的局部放電診斷方法有神經網絡方法、決策樹方法、模糊推理方法等。其中，神經網絡方法因具有自組織學習能力和非線性處理等優點，常用于進行局部放電模式識別，然而，該方法解釋性差，不能產生較為直觀的識別過程，且當神經網絡節點數較多時，會消耗大量的訓練時間。模糊推理算法以人工經驗和專家決策為依據，對相近的表述信息進行歸納總結以構建局部放電模糊推理規則庫，該方法能夠克服神經網絡訓練時間長和解釋性差的不足，但規則庫的構建需要大量的人工專家經驗，因而系統構建耗費巨大，實際操作性差。決策樹方法從樣本數據中直接推斷出分類規則的方法，該方法具有規則推理系統的優勢同時減少了構建系統所需的費用和時間，但其每次僅能針對一個特征進行判別，因此產生的規則過于簡單，特征識別能力較低。

由此可見，采用以上幾種現有方法進行局部放電類型識別時，分別存在解釋性差，效率低和識別率不高等多方面的不足。而在局部放電模式識別中，一方面需要豐富的專家經驗檢驗訓練庫的正確性，同時在線監測的特性對識別速度和識別率提出了更高的要求，所以需要尋找一種新的方法綜合各方面的優勢，完成局部放電模式識別和故障診斷。

發明內容

本發明的目的在于提供一種基于數據挖掘的局部放電診斷方法，其針對現有局部放電診斷方法的不足，旨在提供一種解釋性好、識別速度快、識別率高的局部放電診斷方法。

本發明所述的技術方案采用了關聯規則的模糊推理識別方法，其基本思想是分別對每個局部放電特征采用競爭聚類方法動態劃分模糊區間，將連續的特征值歸并到相應區間內以離散化；通過關聯規則法挖掘離散特征間的相互關系來提取分類規則，進而將這些規則模糊化得到最終的分類器。該方法能夠依據各分類規則及其隸屬度，按照一定的規則進行綜合，最終給出可信的診斷結論。

為了實現上述目的，本發明提出了一種基于數據挖掘的局部放電診斷方法，其包括步驟：

（1）感應電力設備的局部放電信號，將其放大后進行模數轉換以轉換成數字信號，對該數字信號進行連續采集；

（2）將連續采集的數字信號疊加，得到三維圖譜，其中表示工頻相位，q表示放電量，n表示放電次數；從三維圖譜中提取出最大放電量相位分布圖譜平均放電量相位分布圖譜放電次數相位分布圖譜以及放電量次數分布圖譜四種二維圖譜，在上述四種二維圖譜中提取偏斜度Sk和陡峭度Ku作為特征參數，在最大放電量相位分布圖譜平均放電量相位分布圖譜以及放電量次數分布圖譜三種二維圖譜中提取相互關系數C和放電量因數Q作為特征參數；

其中，偏斜度Sk是對統計數據分布偏斜方向及程度的度量。偏斜度是數據的三階矩，用于表征數據分布關于正態分布的不對稱度，具體定義如下：

Sk=Σ(xi-μ)3·Piσ3---(1)]]>

其中，x_i是離散值，P_i是x_i的概率，u是數據的平均值，σ是數據的標準偏差。

陡峭度Ku是用來反映頻數分布曲線頂端尖峭或扁平程度的指標。陡峭度是數據的四階矩，用于表征數據分布與正態分布的偏差，具體定義如下：