[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(shè)計(jì)）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(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

本發(fā)明公開了一種基于參數(shù)優(yōu)化SVM算法的交聯(lián)電纜局部放電模式識別方法，為避免傳統(tǒng)模式識別中神經(jīng)網(wǎng)絡(luò)收斂速度慢、過學(xué)習(xí)等不足或因支持向量機(jī)參數(shù)選擇不當(dāng)而導(dǎo)致識別精度低，在引入M?ary分類理論將泛化及學(xué)習(xí)能力更強(qiáng)的SVM算法擴(kuò)展為多類分類器的同時(shí)，利用改進(jìn)遺傳算法優(yōu)化各子分類器的懲罰因子及核函數(shù)參數(shù)，從而構(gòu)造出最優(yōu)參數(shù)SVM分類模型。結(jié)果表明，以優(yōu)化SVM作為分類器時(shí)各缺陷識別率均＞95％，且無論是否優(yōu)化參數(shù)，SVM總體識別能力要優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)。

技術(shù)領(lǐng)域

本發(fā)明涉及電纜局部放電模式識別技術(shù)領(lǐng)域，尤其涉及一種基于參數(shù)優(yōu)化SVM算法的交聯(lián)電纜局部放電模式識別方法。

背景技術(shù)

近年來，交聯(lián)聚乙烯(Cross-linked polyethylene,XLPE)電纜因具有合理的工藝結(jié)構(gòu)、安裝敷設(shè)簡單和不存在漏油問題等優(yōu)勢，逐漸成為了我國配電網(wǎng)中電力輸送的主流設(shè)備，其運(yùn)行可靠性與電網(wǎng)穩(wěn)定密切相關(guān)。除外界因素，局部放電(以下簡稱局放)是導(dǎo)致電纜絕緣故障的主要原因。在對電纜進(jìn)行局放檢測過程中采集到的局放信號承載著電纜全部絕緣故障信息，不同缺陷產(chǎn)生的局放信號特征不同，不同放電類型對電纜絕緣的破壞程度存在巨大差異。因此，電纜局放模式識別問題的研究，對XLPE電纜絕緣診斷有十分重要的意義。

截止目前，國內(nèi)外針對這一問題已開展較多研究。比如：

(1)直接對各種局放三維譜圖及其波形和頻譜進(jìn)行分析比較的方法，這種方法雖歸納出了具有一定參考價(jià)值的識別規(guī)律，但這種識別方法很大程度上取決于工程經(jīng)驗(yàn)，客觀性不強(qiáng)。

(2)直接將局放脈沖時(shí)域波形數(shù)據(jù)值作為模式識別放電指紋的方法，該方法雖簡化了特征提取過程，但即使經(jīng)過降維處理，識別過程中仍可能遭遇“維數(shù)災(zāi)難”。

(3)提取局放灰度圖象的分形維數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入的方法，該方法特征量維數(shù)適中，取得了不錯的識別效果，但人工神經(jīng)網(wǎng)絡(luò)方法缺乏數(shù)學(xué)理論支撐，存在收斂速度慢且易陷入局部極小值的缺點(diǎn)，網(wǎng)絡(luò)類型及參數(shù)選取不當(dāng)會對分類結(jié)果造成很大影響，是一種取決于經(jīng)驗(yàn)的非線性分類算法。

(4)利用基于局放統(tǒng)計(jì)特征的支持向量機(jī)(Support Vector Machine,SVM)的電纜局放模式方法，雖能取得不錯的識別效果，但所用的SVM其參數(shù)多依靠人工調(diào)試，并未考慮到若SVM參數(shù)選擇不當(dāng)會對模式識別精度及算法的運(yùn)行速度產(chǎn)生負(fù)面影響，無法保證識別的速度與精度。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了解決上述問題，提出了一種基于參數(shù)優(yōu)化SVM算法的交聯(lián)電纜局部放電模式識別方法，該方法將改進(jìn)遺傳算法與支持向量機(jī)算法相結(jié)合，利用改進(jìn)遺傳算法對與SVM性能密切相關(guān)的兩個(gè)參數(shù)懲罰因子C及核函數(shù)參數(shù)γ進(jìn)行優(yōu)化，構(gòu)造出最優(yōu)參數(shù)組合SVM模式分類器，用于XLPE電纜局放模式識別，提高了缺陷識別的正確率。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

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，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(jìn)行局放模擬試驗(yàn)，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(jì)算各象素點(diǎn)的灰度值得到原始灰度圖像，分別計(jì)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；

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

(4)利用改進(jìn)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(jìn)行全局優(yōu)化，得到最優(yōu)參數(shù)組合SVM分類器；