[发明专利]一种基于时频域特征的局部放电分类识别方法

权利要求书

1.一种基于时频域特征的局部放电分类识别方法，其特征在于，该方法的实现包括以下步骤：

步骤一：获取配电网局部放电原始数据；

步骤二：提取倍频力矩系数和倍频倒谱系数两种局部放电频域特征；

步骤三：计算时频域系数，用信号增强技术对小波系数进行去噪；

步骤四：学习训练从样本信号提取的局部放电分类识别特征向量，构造特征空间，利用时频域系数与概率神经网络PNN判断局部放电模式。

2.如权利要求1所述的基于时频域特征的局部放电分类识别方法，其特征在于，所述步骤二提取倍频力矩系数和倍频倒谱系数两种局部放电频域特征的过程为：

倍频力矩系数OFMC的计算过程为：

第一步：计算第k个子带的总频谱矩：

式中，i表示第i个变换系数，k代表第k个子带，表示第k个子带中的频率槽，是对应于其频率槽的频谱幅度，是最低频率槽，是最高频率槽, ≤i≤；

第二步：计算第k个子带的频谱质心频率：

第三步：计算第k个子带的频谱质心幅度；

第四步：计算第k个子带的合量谱矩；

第五步：计算倍频力矩系数；

式中，是第i个变换系数，且0≤i≤L-1，k代表第k个子带，L是倍频子带的总数量，且0≤k≤L-1；

所述倍频倒谱系数OFCC的计算过程为：

第一步:计算第k个倍频子带的平均频谱幅度，

式中，i表示第i个变换系数，P是每个子带的频率槽的总数量，是对应于其频率槽的频谱幅度，是最低频率槽，是最高频率槽；

第二步：计算倍频倒谱系数；

是第i个变换系数，且0≤i≤P-1，k代表第k个子带，且0≤k≤P-1。

3.如权利要求1所述的基于时频域特征的局部放电分类识别方法，其特征在于，所述步骤三时频域系数的计算过程为：

第一步：计算子带的平均幅度；

用信号增强技术对小波系数进行去噪，计算每个子带中的能量，并使用每个带中的去噪小波系数：

式中，N是每个子带中的小波系数的数目，是第k个子带中的第i个小波系数；

第二步：使用离散余弦变换修匀对数平均幅度，计算时频域系数:

式中，L是子带的数量，k=0,1,....L-1。

4.如权利要求1所述的基于时频域特征的局部放电分类识别方法，其特征在于，所述步骤四训练学习并进行局部放电信号的分类识别判断的过程为：

学习训练样本信号提取的局部放电模式识别特征向量构造特征空间，利用时频域系数TFDC与概率神经网络PNN类器判断局部放电模式；

当输入向量Lx1现时，径向基层计算从输入向量到所有5类别训练向量Qx1向量距离，这一块输出的是向量Qx1,其元素指示输入与训练集向量的接近程度，这些距离中的每一个都乘以一个偏差b，然后通过径向基函数，产生输出向量a；

竞争层将每类径向基层的输出相加，产生概率为n的总输出向量，然后使用竞争层函数来分析净输出向量概率，并选择概率的最大值，对应于最大值的类别产生1，所有其他类产生0。