[发明专利]一种基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法

权利要求书

1.一种基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，包括以下步骤：步骤(1)：测定训练样本油纸绝缘设备绝缘油的拉曼光谱信号；

步骤(2)：将步骤(1)获得的拉曼光谱信号小波包分解，计算小波包能量熵；

步骤(3)：运用Kennard-Stone算法建立训练样本矩阵，以步骤(2)得到的小波包能量熵作为训练样本的老化特征量，根据绝缘纸的聚合度划分的四个老化阶段，利用多分类支持向量机对训练样本进行训练，建立老化诊断初模型，再利用遗传算法优化SVM参数，获得老化诊断模型；其中，所述的四个老化阶段是以绝缘纸平均聚合度为判别依据进行划分，第I阶段是指DP≧900、绝缘良好，第II阶段是指500≦DP<900、老化早期，第III阶段是指250≦DP<500、老化中期，第IV阶段是指DP<250、老化晚期；

步骤(4)：测定待测油纸绝缘设备绝缘油的拉曼光谱信号，小波包分解后计算小波包能量熵，输入步骤(3)建立的老化诊断模型，获得老化类型结果。

2.根据权利要求1所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：步骤(1)中所述的训练样本是指老化程度已知的绝缘油，数量不少于50个。

3.根据权利要求2所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：所述训练样本的数量不少于100个。

4.根据权利要求1所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：步骤(2)和(4)中所述的小波包分解层数一样，同为2层、3层、4层、5层、6层或7层。

5.根据权利要求4所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：所述的小波包分解层数一样，同为3层、4层或5层。

6.根据权利要求1所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：步骤(3)中所述的遗传算法的进化代数为100，种群数量为20。

7.根据权利要求1所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：步骤(2)和(4)中所述的小波包能量熵的计算方法是：

用拉曼光谱谱图的波数替代时间单位，将光谱信号s(t)通过小波包分解到第j分辨层后得到2^j个等带宽的子空间，在子空间的子信号能够重建成式中是子空间的小波包分解系数，ψ_j,k(t)为小波函数；子信号的能量可通过以下公式计算得到：因此，s(t)的总能量E为每个子信号能量之和相对小波包能量p_n定义为每个子空间信号能量与信号总能量之比，即p_n＝E_n/E，它表示信号在这个子空间的能量分布的概率；小波包能量熵则定义为

8.根据权利要求1所述的基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法，其特征在于：步骤(3)中所述的老化诊断模型的构建方法为：将至少不少于50个样本量、包含不同老化状态的训练样本绝缘油的拉曼光谱信号，预处理后进行小波包分解计算获得训练样本的小波包能量熵，运用Kennard-Stone算法建立训练样本矩阵和测试样本矩阵，通过训练样本对多分类支持向量机进行训练，建立老化诊断初模型，再利用遗传算法优化SVM参数C和γ，进化代数为100，种群数量为20，根据训练样本获得全局最优分类，建立老化诊断模型；所述的SVM参数C和γ优化的遗传算法的基本步骤如下：

①t＝0；

②随机选择初始种群P(t)；

③计算个体适应度函数值F(t)；

④若种群中最优个体所对应的适应度函数值足够大或者算法已连续运行多代，且个体的最佳适应度无明显改进则转到第⑧步；

⑤t＝t+1；

⑥应用选择算子法从P(t-1)中选择P(t)；

⑦对P(t)进行交叉、变异操作，之后转到第③步；

⑧给出最佳的核函数参数γ和惩罚因子C。