[发明专利]一种局部放电超高频单次波形频域特征提取及识别方法

摘要

本发明公开了一种局部放电超高频单次波形频域特征提取及识别方法，属于电力设备局部放电检测技术领域，该方法中，采用快速傅里叶和奇异值分解相结合的方法，提取了局部放电超高频单次波形的频域特征参量，这一特征向量代表了不同放电类型在不同频率点上的放电特征，根据本发明提取的特征向量，利用有监督的识别方法能够有效识别局部放电类型，以支持向量机为例，识别精度达大于96％。

主权项

1.一种局部放电超高频单次波形频域特征提取及识别方法，其特征在于，包括以下步骤：1)采集不同局部放电类型的多组局部放电超高频单次放电信号；2)对多组同一放电类型的超高频单次放电信号进行快速傅里叶变换，得到多组一维功率谱数组FreArray，多组一维功率谱数组FreArray构成同一放电类型的功率谱矩阵FreMatrix；具体实现方法如下：201)对超高频单次波形采用快速傅里叶变换，得到单次波形的一维功率谱数组FreArray；202)对同一个放电类型的多个超高频单次波形重复201)步骤，将FFT变换的多个FreArray按行组合得到同一放电类型的功率谱矩阵FreMatrix，其中行表示一个单次波形的功率谱，列表示样本数；3)对同一放电类型的功率谱矩阵FreMatrix进行奇异值分解，取奇异值最大值对应的一维向量，得到同一放电类型的功率谱矩阵FreMatrix的特征向量，即该特征向量对应同一放电类型超高频单次波形的特征向量；4)对不同放电类型重复步骤2)和3)的操作，得到不同放电类型超高频单次波形的特征向量；5)利用步骤4)提取的特征向量，采用有监督的学习方法训练局部放电类型的识别模型，并利用识别模型对放电类型进行识别，具体实现方法如下：501)得到不同放电类型的FreMatrix，将FreMatrix归一化到[‑1,1]的范围内，之后将其分为测试集和训练集；公式如下所示：其中，ymax为1，ymin为‑1，x为特征参量，xmin为特征参量的最小值，xmax为特征参量的最大值；502)采用有监督学习的方法，利用训练集得到识别模型；具体方法如下：利用支持向量机根据训练集进行识别模型的训练，得到SVM的识别模型，支持向量机的核函数如下所示：K(x,y)＝exp(‑gamma×|x‑y|2)  (2)其中，x为特征参量，y为放电类型对应的值，gmmma为默认值1/(特征值个数)；503)将测试集带到识别模型中，检验识别模型的效果，并根据识别精度，调整模型参数；504)重复502)和503)步，直至达到满足要求的识别精度，即得到对应的局部放电超高频单次波形识别模型。