[發明專利]一種基于時頻域特征的局部放電分類識別方法

在審

• 申請號: 202210376831.3
• 申請日: 2022-04-12
• 公開（公告）號: CN114492543A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 高永強;李文杰;王文成;劉劍寧;孫永健;王銀忠;李永彬;鄭昱;趙軍;張小奇;張秋瑞;耿志慧;季興龍;安時運;倫曉娟;王琳;張志東
• 申請（專利權）人: 國網山東省電力公司東營供電公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G01R31/12
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 李桂存

本發明公開了一種基于時頻域特征的局部放電分類識別方法，屬于電力設備局部放電檢測技術領域，本發明提出了一種新的頻域特征表示法用來對局部放電模式進行識別分類。提出了倍頻力矩系數OFMC、倍頻倒譜系數OFCC以及由小波分析獲得的時頻域系數TFDC。主要包括以下步驟：步驟一，獲取配電網傳感器局部放電原始數據；步驟二，從局部放電信號進行提取特征值并建立特征值向量；步驟三，計算時頻域系數，用信號增強技術對小波系數進行去噪；步驟四，學習訓練局部放電分類識別特征向量構造特征空間，利用時頻域系數與概率神經網絡PNN判斷局部放電模式。本發明將時頻域系數TFDC特征與PNN分類器同時使用，具有較高的穩健性和精度。

技術領域

本發明屬于電氣設備檢測技術領域，尤其涉及一種基于時頻域特征的局部放電分類識別方法。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

配電網的穩定運行和組成電力系統的電氣設備的狀態密切相關，在電力系統的實際運行中，電氣設備存在的安全隱患一直是威脅電網穩定可靠運行的主要因素，電氣設備絕緣優劣是電氣設備狀態是否良好的關鍵因素。局部放電是造成電氣設備絕緣劣化的重要征兆以及表現形式，有時甚至能使絕緣擊穿。在電力設備運行時，應加強對電力設備的狀態監測，及時發現電力設備劣化甚至損壞，以便及時進行檢修。定期對電力設備進行狀態監測和健康評估，排查故障/設備缺陷與維護電網安全、降低停電概率有著重要而深遠的意義。

在局部放電檢測系統開發中，局部放電模式的識別是分析的關鍵。由于直接應用配電網的局部放電檢測對于局部放電分類識別的性能不穩健并且誤報率高，而頻域/頻譜特征相對具有更高的穩健性和準確性，因此基于配電網檢測數據提出了一種新的頻域特征表示法來對局部放電模式進行識別分類。將時頻域系數TFDC特征與概率神經網絡PNN分類器同時使用，不需要大量的數據訓練就可以實現局部放電信號的分類識別，并且有著很好的效果。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于時頻域特征的局部放電分類識別方法。結合配電網的傳感器原始數據，利用時頻域特征進行局部放電分類識別，利用時頻域系數TFDC特征與概率神經網絡PNN分類器，提高了局部放電檢測方法的精確性和適用性。當所有類別都有少量的訓練數據時，概率神經網絡PNN分類器并不需要大量的訓練數據也能分類效果良好，能夠利用計算機快速實現局部放電信號的分類識別。

為了實現上述目的，本發明采用如下技術方案：

本發明提供了一種基于時頻域特征的局部放電分類識別方法，能夠利用計算機算法快速實現局部放電信號的模式識別。

基于配電網局部放電檢測數據，利用一種新的頻域特征表示法來對局部放電模式進行識別分類；

一種基于時頻域特征的局部放電分類識別方法，該方法的實現包括以下步驟：

步驟一：獲取配電網傳感器局部放電原始數據；

步驟二：從局部放電信號進行提取特征值并建立特征值向量；

步驟三：計算時頻域系數，用信號增強技術對小波系數進行去噪；

步驟四：學習訓練局部放電分類識別特征向量構造特征空間，利用時頻域系數與概率神經網絡PNN判斷局部放電模式；

進一步地，所述步驟二從局部放電信號提取倍頻力矩系數和倍頻倒譜系數兩種局部放電頻域特征并建立特征值向量；

所述倍頻力矩系數OFMC的計算過程為：

第一步：計算第k個子帶的總頻譜矩 ：

式中，i表示第i個變換系數，k代表第k個子帶， 表示第k個子帶中的頻率槽，是對應于其頻率槽的頻譜幅度，是最低頻率槽， 是最高頻率槽, ≤i≤ 。

第二步：計算第k個子帶的頻譜質心頻率：

第三步：計算第k個子帶的頻譜質心幅度；