[發明專利]基于局部圖像特征的局部放電故障的診斷方法

在審

• 申請號: 202110641395.3
• 申請日: 2021-06-09
• 公開（公告）號: CN113343550A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 李澤;錢勇;陳孝信;臧奕茗;王輝;舒博;盛戈皞;江秀臣
• 申請（專利權）人: 上海交通大學;國網浙江省電力有限公司電力科學研究院
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G06K9/46;G06K9/62;G06N3/00
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 張寧展

一種基于局部圖像特征的局部放電故障診斷方法，包括：采集不同故障類型的局部放電圖像，并對圖像進行預處理，生成局部放電圖像數據庫；采用U?SURF?BoW算法提取局部放電圖像的局部特征，構建局部放電圖像特征空間；再采用PCA對特征空間進行降維處理，隨后使用天牛須算法對支持向量機進行參數尋優操作，構建最優的局部放電支持向量機分類模型，最后采用分類模型對局部放電圖像數據特征進行識別分類，得到最終的故障診斷結果。本發明能有效和穩定地提取局部放電特征，提高了局部放電故障診斷的效率和準確率，同時能夠保證在高噪聲情況下具有較好的識別效果。

技術領域

本發明屬于局部放電模式識別領域，具體的說是一種基于局部圖像特征的局部放電故障診斷方法。

背景技術

局部放電(Partial Discharge,PD)是反映電氣設備絕緣劣化的重要征兆，不同放電類型在絕緣劣化機理、放電發展過程以及危害性方面存在差異。因此，及時有效地識別局部放電的類型，對設備故障辨識和絕緣狀態評估具有重要意義。特高頻(UHF)檢測法作為一種靈敏度高、可定位放電源、抗干擾能力強的檢測方法，在PD檢測和模式識別方面得到廣泛的應用。特高頻檢測方法的原理是通過利用局部放電產生的脈沖電流所激發的高頻電磁波來監測局部放電的發生。

為了提高局部放電故障診斷的效率，需要將智能算法代替人工，模式識別就是用于智能診斷的工具。針對GIS局部放電模式識別，目前常用的特征提取方法包括統計特征、紋理特征、形狀特征等方法。然而這些算法也存在一定的局限性，對于存在噪聲的現場環境中的識別效果不佳，且容易提取到大量的冗余特征。目前常用的分類器主要包括反向傳播神經網絡(稱為BPNN)、KNN算法等，然而BPNN的結構較難確定，且需調節的參數較多。KNN原理較為簡單，且在局部放電模式識別領域中得到良好的應用，但該算法在測試新數據時效率較低。

發明內容

本發明是為了解決上述現有技術存在的不足之處，提出一種基于局部圖像特征的局部放電故障的診斷方法，以期能獲得較好的局部放電故障類型的分類效果，從而實現局部放電故障的自動診斷和準確識別。

本發明為達到上述發明目的，采用如下技術方案如下：

一種基于局部圖像特征的局部放電故障診斷方法，其特點包括以下步驟：

1)利用特高頻傳感器分別采集A種故障類型的局部放電的特高頻信號圖像作為樣本集合X＝{X₁,X₂,…,X_i,…,X_A}，1i≤A，X_i表示第i類信號的樣本集合；并且n表示第i類故障的局部放電信號樣本總數，表示第i類故障中的第j個樣本，1≤j≤n，局部放電特高頻信號圖像樣本的總數為N；