[發(fā)明專利]基于參數(shù)優(yōu)化SVM算法的交聯(lián)電纜局部放電模式識別方法

有效

• 申請?zhí)枺?/td>: 201510732891.4
• 申請日: 2015-10-30
• 公開（公告）號: CN105388402B
• 公開（公告）日: 2018-08-10
• 發(fā)明（設計）人: 胡曉黎;段玉兵;張皓;雍軍;楊波;孫曉斌;孟海磊;劉嶸
• 申請（專利權(quán)）人: 山東電力研究院;國家電網(wǎng)公司
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

1.一種基于參數(shù)優(yōu)化SVM算法的交聯(lián)電纜局部放電模式識別方法，其特征是，包括以下步驟：

(1)分別在不同的電纜頭中制作不同的電纜典型缺陷模型，對制作的電纜典型缺陷模型分別進行局放模擬試驗，采集每種電纜典型缺陷模型的局放信號樣本；

(2)根據(jù)得到的局放信號樣本繪制局放三維譜圖，通過計算各象素點的灰度值得到原始灰度圖像，分別計算XLPE電纜局放灰度圖分形特征盒維數(shù)D_B及信息維數(shù)D_I，作為模式識別分類特征量；

其中，計算XLPE電纜局放灰度圖分形特征盒維數(shù)D_B的方法為：

1)載入原始灰度圖像；

2)設定原始灰度圖像盒子尺度r，其中r＝2,3,4,…,20，計算覆蓋第(i,j)個網(wǎng)格對應的放電點的盒子數(shù)n_r(i,j)：首先確定覆蓋每個放電點的盒子編號集合L¹＝{l₁,l₂,…,l_m}，對該集合中編號出現(xiàn)了兩次及兩次以上的盒子進行編號，只保留一個，可得元素不重復的盒子編號集合L²＝{l₁,l₂,…l_s}，統(tǒng)計此集合中元素個數(shù)，有n_r(i,j)＝s；

3)計算覆蓋原始灰度圖像的總盒子數(shù)

4)利用自適應逐段搜索法確定點集(lnr,lnN_r)的分形無標度區(qū)；

5)在分形無標度區(qū)內(nèi)用最小二乘法計算點集(lnr,lnN_r)的負斜率，即為信息維數(shù)；

計算XLPE電纜局放灰度圖分形特征信息維數(shù)D_I的方法為：

1)載入原始灰度圖像；

2)計算灰度圖象的放電的總數(shù)Total_N；

3)設定原始灰度圖像盒子尺度r，其中r＝2,3,4,…,20，計算覆蓋第(i,j)個網(wǎng)格對應的放電點的盒子的信息熵

具體計算方法為：

首先確定覆蓋每個放電點的盒子編號集合L¹＝{l₁,l₂,…,l_m}，對該集合中編號出現(xiàn)了兩次及兩次以上的盒子進行編號，只保留一個，可得元素不重復的盒子編號集合L²＝{l₁,l₂,…l_s}，統(tǒng)計集合L²中各元素在集合L¹中出現(xiàn)的次數(shù)，記為集合N＝{N₁,N₂,…,N_s}；

此集合N中元素記為N_t，其中t＝1,2,…,s，則P_t＝N_t/N_r；N_r是指的覆蓋原始灰度圖像的總盒子數(shù)；

4)計算總信息熵T_r，

5)利用自適應逐段搜索法確定點集(lnr,lnT_r)的分形無標度區(qū)；

6)在分形無標度區(qū)內(nèi)用最小二乘法計算點集(lnr,lnT_r)的負斜率，即為信息維數(shù)；

(3)依據(jù)M-ary分類原理將SVM分類器擴展為多類分類器，利用所述多類分類器將對應于不同電纜典型缺陷模型的局放信號輸入樣本進行重新組合；

(4)利用改進優(yōu)化算法對多類分類器懲罰因子C和核函數(shù)參數(shù)γ進行全局優(yōu)化，得到最優(yōu)參數(shù)組合SVM分類器；具體方法為：

步驟1：將樣本數(shù)據(jù)分為訓練樣本與待測樣本兩部分并進行數(shù)據(jù)歸一化處理；采用浮點編碼方式編碼待優(yōu)化參數(shù)組合(C,γ)，確定各參數(shù)的尋優(yōu)區(qū)間；

步驟2：初始化種群設定改進遺傳算法參數(shù)，所述參數(shù)包括：種群規(guī)模N、最大迭代次數(shù)T、交叉概率P_c及變異概率P_m；

步驟3:為避免改進遺傳算法在尋優(yōu)過程中陷入局部極值，引入自適應的交叉概率P_c和變異概率P_m；

引入的自適應交叉概率P_c具體為：

引入的自適應變異概率P_m具體為：

其中，t為進化次數(shù)，初始值t＝1；T為最大進化次數(shù)；P_c(1)為第一代交叉概率；P_c(t)為第t代交叉概率；P_m(t)為第t代變異概率；

步驟4：將訓練樣本識別正確率作為改進遺傳算法尋優(yōu)的目標函數(shù)，計算種群中每一個體對應的函數(shù)值并記錄最大值；

步驟5：判斷是否滿足算法終止條件，即迭代次數(shù)是否達到設定值T或目標函數(shù)值是否滿足精度要求，若達到則退出算法并輸出參數(shù)組合；若未達到則令t＝t+1對訓練個體進行選擇、交叉及變異操作后返回步驟4直到滿足條件為止，將輸出解碼作為最優(yōu)參數(shù)組合；

(5)將待測樣本輸入最優(yōu)參數(shù)組合SVM分類器，進行交聯(lián)電纜局部放電模式識別。