[发明专利]基于粒子群‑支持向量机的GIS局部放电类型模式识别方法

权利要求书

1.基于粒子群-支持向量机的GIS局部放电类型模式识别方法，其特征是，包括以下步骤：

步骤1、基于若干周期K种不同类型局部放电的PRPD图谱作为K个样本数据，提取各类型局部放电的特征参数；

步骤2、采用一对一算法在任意两个样本数据之间构造高斯核函数SVM分类器，共计个SVM分类器；

步骤3、以SVM分类器在优化过程中的均方误差作为PSO算法中的适应度函数，用PSO算法寻找最佳参数；

步骤4、采用提取的各类型局部放电特征参数训练SVM分类器，得到SVM分类器模型；利用SVM分类器模型，用投票的方式对待识别的局部放电信号进行局部放电类型模式识别。

2.如权利要求1所述的基于粒子群-支持向量机的GIS局部放电类型模式识别方法，其特征是，步骤1提取各类型局部放电的特征参数包括若干周期：PRPD图谱放电幅值图谱正半周偏斜度负半周偏斜度全周期偏斜度Sk_m；PRPD图谱放电次数图谱正半周偏斜度负半周偏斜度全周期偏斜度Sk_n；PRPD图谱放电幅值图谱正半周陡峭度负半周陡峭度全周期陡峭度Ku_m；PRPD图谱放电次数图谱正半周陡峭度负半周陡峭度全周期陡峭度Ku_n；PRPD图谱放电幅值正负半周放电幅值比Q_m；PRPD图谱放电次数正负半周放电次数比Q_n；PRPD图谱放电幅值正负半周放电幅值互相关系数CC_m；PRPD图谱放电次数正负半周放电次数互相关系数CC_n。

3.如权利要求2所述的基于粒子群-支持向量机的GIS局部放电类型模式识别方法，其特征是，确定各类型局部放电的特征参数的公式包括：

1)确定特征参数Sk_m、Sk_n的公式：

Sk=E(X-μ)3σ3---(1)]]>

式中，X为PRPD数据，μ和σ分别为其均值和标准差；

2)确定特征参数Ku_m、Ku_n的公式：

Ku=E(X-μ)4σ4---(2)]]>

式中，X为PRPD数据，μ和σ分别为其均值和标准差；

3)确定特征参数Q_m、Q_n的公式：

Qn=N+N----(3)]]>

Qm=1N+Σi=1N+x+1N-Σi=1N-x----(4)]]>

式中，N⁺、N^-分别为正、负半周内的局部放电次数；x⁺、x^-分别为正、负半周内局部放电信号的幅值；

4)确定特征参数CC_m、CC_n的公式：

CC=C(X+,X-)C(X+,X+)·C(X-,X-)---(5)]]>

CC为互相关系数。