[發明專利]一種基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法

有效

• 申請號: 201710261352.6
• 申請日: 2017-04-20
• 公開（公告）號: CN106885978B
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 陳偉根;鄒經鑫;萬福;范舟;李劍;王有元;杜林;周湶;王飛鵬;黃正勇
• 申請（專利權）人: 重慶大學
• 主分類號: G01R31/12
• 分類號: G01R31/12;G01N21/65
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 康海燕

1.一種基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，包括以下步驟：步驟(1)：測定訓練樣本油紙絕緣設備絕緣油的拉曼光譜信號；

步驟(2)：將步驟(1)獲得的拉曼光譜信號小波包分解，計算小波包能量熵；

步驟(3)：運用Kennard-Stone算法建立訓練樣本矩陣，以步驟(2)得到的小波包能量熵作為訓練樣本的老化特征量，根據絕緣紙的聚合度劃分的四個老化階段，利用多分類支持向量機對訓練樣本進行訓練，建立老化診斷初模型，再利用遺傳算法優化SVM參數，獲得老化診斷模型；其中，所述的四個老化階段是以絕緣紙平均聚合度為判別依據進行劃分，第I階段是指DP≧900、絕緣良好，第II階段是指500≦DP<900、老化早期，第III階段是指250≦DP<500、老化中期，第IV階段是指DP<250、老化晚期；

步驟(4)：測定待測油紙絕緣設備絕緣油的拉曼光譜信號，小波包分解后計算小波包能量熵，輸入步驟(3)建立的老化診斷模型，獲得老化類型結果。

2.根據權利要求1所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：步驟(1)中所述的訓練樣本是指老化程度已知的絕緣油，數量不少于50個。

3.根據權利要求2所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：所述訓練樣本的數量不少于100個。

4.根據權利要求1所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：步驟(2)和(4)中所述的小波包分解層數一樣，同為2層、3層、4層、5層、6層或7層。

5.根據權利要求4所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：所述的小波包分解層數一樣，同為3層、4層或5層。

6.根據權利要求1所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：步驟(3)中所述的遺傳算法的進化代數為100，種群數量為20。

7.根據權利要求1所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：步驟(2)和(4)中所述的小波包能量熵的計算方法是：

用拉曼光譜譜圖的波數替代時間單位，將光譜信號s(t)通過小波包分解到第j分辨層后得到2^j個等帶寬的子空間，在子空間的子信號能夠重建成式中是子空間的小波包分解系數，ψ_j,k(t)為小波函數；子信號的能量可通過以下公式計算得到：因此，s(t)的總能量E為每個子信號能量之和相對小波包能量p_n定義為每個子空間信號能量與信號總能量之比，即p_n＝E_n/E，它表示信號在這個子空間的能量分布的概率；小波包能量熵則定義為

8.根據權利要求1所述的基于絕緣油拉曼光譜小波包能量熵的油紙絕緣老化診斷方法，其特征在于：步驟(3)中所述的老化診斷模型的構建方法為：將至少不少于50個樣本量、包含不同老化狀態的訓練樣本絕緣油的拉曼光譜信號，預處理后進行小波包分解計算獲得訓練樣本的小波包能量熵，運用Kennard-Stone算法建立訓練樣本矩陣和測試樣本矩陣，通過訓練樣本對多分類支持向量機進行訓練，建立老化診斷初模型，再利用遺傳算法優化SVM參數C和γ，進化代數為100，種群數量為20，根據訓練樣本獲得全局最優分類，建立老化診斷模型；所述的SVM參數C和γ優化的遺傳算法的基本步驟如下：

①t＝0；

②隨機選擇初始種群P(t)；

③計算個體適應度函數值F(t)；

④若種群中最優個體所對應的適應度函數值足夠大或者算法已連續運行多代，且個體的最佳適應度無明顯改進則轉到第⑧步；

⑤t＝t+1；

⑥應用選擇算子法從P(t-1)中選擇P(t)；

⑦對P(t)進行交叉、變異操作，之后轉到第③步；

⑧給出最佳的核函數參數γ和懲罰因子C。