[發明專利]一種電力電纜故障放電聲智能識別方法

有效

• 申請號: 201810737476.1
• 申請日: 2018-07-06
• 公開（公告）號: CN109116196B
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 徐丙垠;李峰;宮照輝;顏廷純;朱啟林
• 申請（專利權）人: 山東科匯電力自動化股份有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12;G10L25/48
• 代理公司: 淄博佳和專利代理事務所(普通合伙) 37223
• 代理人: 孫愛華

1.一種電力電纜故障放電聲智能識別方法，其特征在于：包括如下步驟：

步驟1，在電纜故障放電時刻開始采樣聲音信號并進行模數轉換得到原始數據x₀(i)；

步驟2，對數字化的聲音信號進行去直流處理，得到數據x₁(i)，然后對去直流處理的數據進行歸一化處理，得到數據x₂(i)，最后提取得到聲音信號的特征向量；

步驟3，將提取到的聲音信號的特征向量送入支持向量機進行識別并得到判斷結果；

步驟4，判斷前聲音信號是否為電纜故障放電聲，如果是電纜故障放電聲，順序執行步驟5～步驟7，如果是非電纜故障放電聲，執行步驟7；

步驟5，保存當前聲音信號的數據；

步驟6，進行第二次聲音信號的采集并進行相關系數的計算；

步驟7，顯示判斷結果及聲音信號波形；

步驟2中所述的特征向量包括：

根據數據x₃(i)提取聲音信號短時能量分布脈沖寬度特征z₁：

在滿足條件i∈[1,2,…,n-D+1]的前提下，定義：w_last＝max[1,2,…,n-D+1]，w_first＝min[1,2,…,n-D+1]，則z₁為：z₁＝w_last-w_first

根據數據x₃(i)提取聲音信號短時能量分布脈沖高寬比特征z₂：

根據數據x₃(i)提取聲音信號短時能量分布脈沖位置特征z₃：

根據數據x₄(i)提取聲音信號短時過零率特征z₄：

在滿足條件i∈[1,2,…,n-D]的前提下，定義r_last＝max[1,2,…,n-D]，r_first＝min[1,2,…,n-D]，則z₄為：

其中：x₃(i)為根據所述數據x₂(i)計算得到的步長為D的聲音信號數據短時能量分布；x₄(i)為根據數據x₃(i)計算得到的步長為D的聲音信號數據短時過零率。

2.根據權利要求1所述的電力電纜故障放電聲智能識別方法，其特征在于：所述的步長為D的聲音信號數據短時能量分布x₃(i)為：

其中：D表示步長。

3.根據權利要求1所述的電力電纜故障放電聲智能識別方法，其特征在于：所述的步長為D的聲音信號數據短時過零率x₄(i)為：

其中：sign為符號函數，th表示大于零的閾值，i∈[1,2,…,n-D]。

4.根據權利要求1所述的電力電纜故障放電聲智能識別方法，其特征在于：步驟6中所述的相關系數的計算公式為：

其中：x_k(i)，x_k+1(i)，i∈[1,2,…,n]分別表示連續兩次采集的聲音信號數據。

5.根據權利要求1所述的電力電纜故障放電聲智能識別方法，其特征在于：步驟3中所述的支持向量機的訓練過程包括如下步驟：

步驟3-1，各準備M條電纜故障放電聲信號數據和非電纜故障放電聲信號數據；

步驟3-2，分別對M條電纜故障放電聲信號數據和非電纜故障放電聲信號數據進行處理，得到特征矩陣z_ij，i∈[1,2,…,2M]，j∈[1,2,3,4]，

其中，i＝[1,2,…,M]是電纜故障放電聲信號特征向量，i＝[M+1,M+2,…,2M]是非電纜故障放電聲信號特征向量；

步驟3-3，賦值2M行的列向量s，其中第1至第M行賦值為1，表示電纜故障放電聲，第M+1至第2M行賦值為0表示非電纜故障放電聲；

步驟3-4，將矩陣z_ij和列向量s輸入支持向量機訓練函數，選擇線性核進行訓練。