[发明专利]基于奇异值分解算法的变压器局部放电模式识别方法

摘要

本发明公开了一种基于奇异值分解算法的变压器局部放电模式识别方法，包括训练模型和分类识别过程，包括：首先搭建人工缺陷实验环境并采集数据样本，计算每个样本的统计特征参量，构成数据样本矩阵；对样本矩阵进行奇异值分解，通过判断保留矩阵的特征是否明显，确定最佳保留矩阵的阶数，从而得到降维后的类型特征描述矩阵和类中心描述向量组；对待识别的样本进行预处理得到样本向量，用类型特征空间描述矩阵将其线性变换，得到降维后的样本描述空间的向量，然后计算该向量与类型向量组中的每个向量的相似度大小，从而得到分类判断结果。该算法简单而且高效，能够实现局部放电检测中干扰信号和放电信号的可靠区分，提高局部放电模式诊断的准确性。

主权项

一种基于奇异值分解算法的变压器局部放电模式识别方法，其特征在于，包括以下步骤： 步骤（1）搭建多种放电类型的人工缺陷实验环境并采集局部放电相关测量参量样本数据； 步骤（2）计算由第（1）步采集到的局部放电参量样本数据的统计特征参量； 步骤（3）构成训练样本矩阵和测试样本矩阵，两种样本矩阵的组成结构相同，矩阵的每一行是一种所述的统计特征参量，每一列是一个样本； 步骤（4）对所述训练样本矩阵进行奇异值分解，确定保留矩阵的最佳阶数； 步骤（5）根据经奇异值分解得到的样本矩阵生成分类模型，所述分类模型由类型特征空间描述矩阵和类中心描述向量组构成； 步骤（6）对测试样本矩阵或者现场采集到的待分类的样本进行预处理得到待分类样本向量，进行分类识别。