[發(fā)明專利]一種基于行波時(shí)頻特性的輸電線路隱患放電類型辨識(shí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010579286.9
• 申請(qǐng)日: 2020-06-23
• 公開（公告）號(hào): CN111695543B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 曾華榮;毛先胤;黃歡;馬曉紅;盧金科;張強(qiáng)永;羅國(guó)強(qiáng);張露忪;吳建蓉;邱實(shí)
• 申請(qǐng)（專利權(quán)）人: 貴州電網(wǎng)有限責(zé)任公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 貴陽(yáng)中新專利商標(biāo)事務(wù)所 52100
• 代理人: 商小川

1.一種基于行波時(shí)頻特性的輸電線路隱患放電類型辨識(shí)方法，它包括：

步驟S1，將一次隱患放電行波波形數(shù)組a[n]濾除白噪聲干擾，得到處理后的波形數(shù)組x[n]；

步驟S2，通過處理后的波形數(shù)組x[n]構(gòu)造特征數(shù)組w₁[n]、w₂[n]、w₃[n]和w₄[n]；

構(gòu)造特征數(shù)組w₁[n]的方法包括：

S21、將x[n]進(jìn)行快速傅里葉變換；

S22、求取變換后的數(shù)組模值的平方，得到數(shù)組w₁[n]；

構(gòu)造特征數(shù)組w₂[n]的方法包括：

將x[n]各元素分別求平方，得到數(shù)組w₂[n]；

構(gòu)造特征數(shù)組w₃[n]的方法包括：

式中i＝1、2……n；

構(gòu)造特征數(shù)組w₄[n]的方法包括：

求取數(shù)組x[n]斜率，計(jì)算公式為：

w₄[i]＝(x[i+1]-x[i])×f_s；

式中i＝1、2……n-1；f_s為采樣頻率，單位：Hz；

進(jìn)一步計(jì)算得到

步驟S3，將特征數(shù)組w₁[n]、w₂[n]、w₃[n]和w₄[n]歸一化；

步驟S4，按向量維數(shù)p將歸一化后的數(shù)組w₁[n]、w₂[n]、w₃[n]和w₄[n]各分成p塊，并對(duì)每一塊內(nèi)求和，得到p*4個(gè)特征參量；

步驟S5，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，對(duì)于每一種隱患類型，按照步驟S1-S4所述方法各提取一組以上p*4個(gè)特征參量；將一組以上特征參量輸入到BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)中間權(quán)重矩陣參數(shù)v(i,h)和v(h,f)；i，h和f分別為神經(jīng)網(wǎng)絡(luò)輸入層，隱含層和輸出層神經(jīng)元個(gè)數(shù)；

步驟S6，將未知類型的檢驗(yàn)樣本按照步驟S1-S4所述方法得到特征參量后，輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)，通過權(quán)重矩陣映射得到隱含層輸出結(jié)果和輸出層輸出結(jié)果，通過輸出層輸出與預(yù)設(shè)期望結(jié)果進(jìn)行對(duì)比，判斷該隱患放電類型判斷隱患放電類型。

2.根據(jù)權(quán)利要求1所述的一種基于行波時(shí)頻特性的輸電線路隱患放電類型辨識(shí)方法，其特征在于，步驟S1所述處理后的波形數(shù)組x[n]的方法包括：

S11、求取數(shù)組a[n]平均值μ，標(biāo)準(zhǔn)差δ；

S12、對(duì)數(shù)組a[n]中所有元素進(jìn)行判斷，若滿足公式：|a[i]-μ|＜k×δ，則將該a[i]元素置零，x[i]＝a[i]；

式中i＝1、2……n；

k為一正整數(shù)，取值范圍[3,10]。

3.根據(jù)權(quán)利要求1所述的一種基于行波時(shí)頻特性的輸電線路隱患放電類型辨識(shí)方法，其特征在于，步驟S3所述歸一化方法包括：

找到數(shù)組w_i[n]中最大值，然后將w_i[n]中各元素除以該最大值，得到歸一化后數(shù)組w_i[n]，式中i＝1、2、3、4。

4.根據(jù)權(quán)利要求1所述的一種基于行波時(shí)頻特性的輸電線路隱患放電類型辨識(shí)方法，其特征在于，步驟S4中所述p為一正整數(shù)，p的取值范圍為[3,20]。

5.根據(jù)權(quán)利要求1所述的一種基于行波時(shí)頻特性的輸電線路隱患放電類型辨識(shí)方法，其特征在于，步驟S6中所述包括：

神經(jīng)網(wǎng)絡(luò)隱含層輸出表達(dá)式為：

神經(jīng)網(wǎng)絡(luò)輸出層輸出表達(dá)式為：

式中f(x)為隱含層激勵(lì)函數(shù)，使用sigmoid函數(shù)，表達(dá)式為：x_n是神經(jīng)網(wǎng)絡(luò)輸入量p*4個(gè)特征參量，v(i,h)和v(h,f)是神經(jīng)網(wǎng)絡(luò)中間權(quán)重矩陣參數(shù)；v_nh、v_nf為神經(jīng)網(wǎng)絡(luò)中間權(quán)重矩陣中的第v_nh和v_nf個(gè)參數(shù)。