[發明專利]基于主成分降維與聚類分析的GIS局放嚴重程度判斷方法、系統及介質

在審

• 申請號: 201910828751.5
• 申請日: 2019-09-03
• 公開（公告）號: CN110531228A
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 鐘永恒;謝耀恒;李欣;葉會生;劉赟;肖京;吳水鋒;黃海波
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12;G06K9/62
• 代理公司: 43008 湖南兆弘專利事務所(普通合伙)
• 代理人: 譚武藝<國際申請>=<國際公布>=<進入

本發明公開了一種基于主成分降維與聚類分析的GIS局放嚴重程度判斷方法、系統及介質，本發明方法的步驟包括獲取待檢測GIS局放信號的局部放電圖譜；針對局部放電圖譜提取關鍵特征量；將關鍵特征量進行降維處理得到降維后的局部放電特征指紋；分別計算局部放電特征指紋以及對應不同放電階段的特征指紋聚類中心的距離，且特征指紋聚類中心為采用對應放電階段的局部放電特征指紋進行聚類得到；根據最短的距離確定待檢測GIS局放信號對應的放電階段。本發明能夠在完成放電類型識別的基礎上，有效判斷缺陷放電的嚴重程度，具有計算效率高、計算準確度的優點，能夠為檢修決策與工期安排作參考。

技術領域

本發明涉及電力系統中氣體絕緣金屬封閉開關設備(Gas InsulationSubstation,GIS)的運行維護技術領域，具體涉及一種基于主成分降維與聚類分析的GIS局放嚴重程度判斷方法、系統及介質。

背景技術

具有結構緊湊、占地空間小、運行可靠性高檢修周期長等顯著優點，在電力系統中得到了廣泛應用，但由于GIS為金屬封閉設備，其健康狀況和內部缺陷難以掌握評估，且故障隨機性強，易突發，難以進行預測預警。尤其在制造或安裝過程中殘留下的缺陷易導致GIS出現絕緣故障，故障早期征兆的主要形式為局部放電，局部放電既是設備絕緣劣化的征兆，又是造成絕緣劣化的重要原因。

目前，國內外已有大量研究利用電脈沖檢測法、超聲波檢測法、特高頻法等方法對GIS設備局部放電檢測，能夠發現設備內部絕緣缺陷所產生的局放信號，且已有諸多智能算法能夠實現對帶電檢測數據的智能分析診斷，為識別GIS絕緣缺陷類型提供參考。由于GIS在故障后一般需要采用解體方式才能確定故障情況，解體檢修難度大、耗時長。因此在發現異常局放信號后，需對局放信號所反映的缺陷嚴重程度進行準確判斷，為檢修決策與工期安排作參考。但目前大多針對局部放電信號的智能算法僅對放電類型進行識別判斷，未深入分析放電的嚴重程度。現有的判斷方法主要是根據放電幅值以人為經驗為主，科學性不足。

發明內容

本發明要解決的技術問題：針對現有技術的上述問題，提供一種基于主成分降維與聚類分析的GIS局放嚴重程度判斷方法、系統及介質，本發明能夠在完成放電類型識別的基礎上，有效判斷缺陷放電的嚴重程度，具有計算效率高、計算準確度的優點。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于主成分降維與聚類分析的GIS局放嚴重程度判斷方法，實施步驟包括：

1)獲取待檢測GIS局放信號的局部放電圖譜；

2)針對局部放電圖譜提取關鍵特征量；

3)將關鍵特征量進行降維處理得到降維后的局部放電特征指紋；

4)分別計算局部放電特征指紋以及對應不同放電階段的特征指紋聚類中心的距離，所述特征指紋聚類中心為采用對應放電階段的局部放電特征指紋進行聚類得到；

5)根據最短的距離確定待檢測GIS局放信號對應的放電階段。

可選地，步驟2)的詳細步驟包括：

2.1)針對局部放電圖譜提取特征量；

2.2)采用關聯算法計算放電嚴重程度和各個特征量之間的關聯性，選擇關聯性超過預設閾值的特征量作為關鍵特征量，或者根據關聯性對所有特征量進行排序并選擇關聯性較大端的指定數量個特征量作為關鍵特征量。

可選地，步驟2.1)中計算放電嚴重程度和各個特征量之間的關聯性具體是指計算放電嚴重程度和各個特征量之間的KMO因子關聯性。

可選地，步驟2)提取得到的關鍵特征量包括局部放電相位所占寬度、正負半周放電次數之比、正負半周平均放電幅值之比、放電幅值熵值、最大放電幅值熵值、譜圖負半周偏斜度、譜圖負半周陡峭度、放電幅值分布的標準差。