一种基于S变换的电缆局部放电信号识别方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于S变换的电缆局部放电信号识别方法及装置，用于解决了目前对电力电缆局部放电信号源的定位通常采用波形时间差方法，识别精度低且所需识别时间过长的技术问题。本发明专利技术实施例方法包括：对获取到的已知来源的局部放电信号进行S变换，得到复时频矩阵；对复时频矩阵进行求模得到模矩阵，并对模矩阵进行奇异值分解，得到模矩阵的奇异值序列；将奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与奇异值序列的Shannon熵的比值，并以比值作为局部放电信号特征向量建立局部放电信号特征样本库并构建支持向量机模型；将待识别的局部放电信号的特征向量输入到支持向量机模型，得到待识别的局部放电信号的来源。

Method and device for identifying partial discharge signal of cable based on S transform

The embodiment of the invention discloses a method and device for cable partial discharge signal recognition method based on S transform is used to solve the current location of power cable partial discharge signal source usually adopts waveform time difference method, low accuracy and long time to identify the technical problems. The embodiment of the method includes: partial discharge signals of known sources access to the S transform, complex time-frequency matrix; the complex time-frequency matrix modulo modular matrix, and the matrix singular value decomposition, get the singular value sequence of mode matrix; singular value sequence is divided into at least two an interval, calculated the ratio of each interval of the singular value and singular value entropy Shannon entropy Shannon sequence, and the ratio of the partial discharge signal as feature vector is constructed of PD signal characteristic sample database and build the model of support vector machine; feature vector input of PD signals to be identified by the support vector machine model, source get the partial discharge signal to identify the.

【技术实现步骤摘要】
一种基于S变换的电缆局部放电信号识别方法及装置
本专利技术涉及电缆局部放电在线监测
，尤其涉及一种基于S变换的电缆局部放电信号识别方法及装置。
技术介绍
随着电力系统的高速持续发展，电力电缆的敷设回路长度稳步提高，在城市中得到了广泛应用。然而，电力负荷与电压等级日益增长，由电缆局部缺陷导致的绝缘问题对供电质量与社会经济等均构成了极大的威胁。为了监测电缆的绝缘状态并及时发现其局部缺陷，从而预防电缆运行事故的发生，保证电网运行的可靠性，有必要对电缆局部缺陷进行检测。电缆局部放电在线监测中，检测到的局部放电信号可能来自电缆本体和电缆终端头，也可能来自与其相连的开关柜。由于不同来源的局部放电对设备危害不同，判断标准也不同，所以对局部放电信号来源进行识别有重要的现实意义。在局部放电信号识别方面，信号特征提取和分类器选择是最关键部分。特征提取是局部放电信号识别第一步，特征提取的好坏直接影响到识别的效果。目前，局部放电信号特征提取方法主要有统计特征法和时域分析法两大类。其中统计特征法都涉及到局部放电信号的相位，而配电电缆一般为三芯电缆且共一地线，当两相或三相出现局部放电时，检测局部放电信号的相位特征变得几乎不可能。时域分析法是针对高速采集一次放电产生的时域脉冲所得到的波形特征或相应的变换结果进行模式识别，主要包括傅里叶分析法、小波分析法和波形参数直接提取法等。模式识别分类器主要有神经网络分类器、最小距离分类器和模糊识别分类器。神经网络易收敛于局部最优解缺陷，精度并不高。目前，整个电力行业对电力电缆局部放电信号源的定位通常采用波形时间差方法，经常存在用于传输该局部放电信号的电力电缆线路过长时，识别精度大大降低且所需识别时间过长。
技术实现思路
本专利技术实施例提供了一种基于S变换的电缆局部放电信号识别方法及装置，解决了目前电力行业对电力电缆局部放电信号源的定位通常采用波形时间差方法，经常存在用于传输该局部放电信号的电力电缆线路过长时，识别精度大大降低且所需识别时间过长的技术问题。本专利技术实施例提供的一种基于S变换的电缆局部放电信号识别方法，包括：获取已知来源的局部放电信号，并对局部放电信号进行S变换，得到复时频矩阵；对复时频矩阵进行求模得到模矩阵，并对模矩阵进行奇异值分解，得到模矩阵的奇异值序列；根据奇异值序列将奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与奇异值序列的Shannon熵的比值，并以比值作为局部放电信号特征向量建立局部放电信号特征样本库；以局部放电信号特征样本库内的局部放电信号特征向量作为输入，构建多分类支持向量机模型；将局部放电信号作为样本，对支持向量机模型进行训练，得到训练好的支持向量机模型；将待识别的局部放电信号的特征向量输入到训练好的支持向量机模型，得到待识别的局部放电信号的来源。可选地，局部放电信号包括电缆本体局部放电信号、电缆终端头局部放电信号、开关柜的电晕放电信号和开关柜的表面放电信号。可选地，获取已知来源的局部放电信号，并对局部放电信号进行S变换，得到复时频矩阵包括：获取已知来源的局部放电信号，并通过预置公式一对局部放电信号进行S变换，得到复时频矩阵，预置公式一具体为：其中，h(kT)为局部放电信号离散时间序列，ST为局部放电信号离散时间序列经过S变换后得到的复时频矩阵，T为离散时间序列的采样周期，N为离散时间序列的长度，H为离散时间序列的傅立叶变换，j为虚数单位，k,n,m＝0,1,…,N-1。可选地，对复时频矩阵进行求模得到模矩阵，并对模矩阵进行奇异值分解，得到模矩阵的奇异值序列包括：对复时频矩阵ST进行求模得到模矩阵STA，并通过预置第二公式对模矩阵STA进行奇异值分解，得到模矩阵的奇异值序列，预置第二公式具体为：其中，U和V均为N×N阶正交矩阵，D＝diag(σ1,σ2,…,σN)为对角矩阵，其对角元素(σ1,σ2,…,σN)为矩阵STA的奇异值，ui和vi分别为矩阵U和V的第i列奇异值矢量。可选地，根据奇异值序列将奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与奇异值序列的Shannon熵的比值，并以比值作为局部放电信号特征向量建立局部放电信号特征样本库包括：根据奇异值序列将奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与奇异值序列的Shannon熵的比值，并通过预置第三公式以比值作为局部放电信号特征向量建立局部放电信号特征样本库，预置第三公式具体为：λ＝[E1/E,E2/E,Eq/E…,EQ/E]；其中，为奇异值序列（σ1，σ2，…,σN)的Shannon熵,为小区间q内奇异值得Shannon熵，σi(q)为小区间q内的奇异值，Q为小区间数。可选地，采用两位二进制数标记局部放电信号特征向量的来源类别。可选地，以局部放电信号特征样本库内的局部放电信号特征向量作为输入，构建多分类支持向量机模型包括：运用二分类算法将局部放电信号特征样本库内的局部放电信号特征向量的来源类别中的各个来源类别进行组合，构成复数个子分类器，并以局部放电信号特征样本库内的局部放电信号特征向量作为输入，构建多分类支持向量机模型。可选地，将局部放电信号作为样本，对支持向量机模型进行训练，得到训练好的支持向量机模型包括：根据局部放电信号的不同来源随机挑选相同数量的不同来源的局部放电信号作为训练样本，并将训练样本输入到支持向量机模型进行训练，得到训练好的支持向量机模型。可选地，将待识别的局部放电信号的特征向量输入到训练好的支持向量机模型，得到待识别的局部放电信号的来源包括：将待识别的局部放电信号的特征向量输入到训练好的支持向量机模型获得输出值，并将输出值与局部放电信号特征向量的来源类别的二进制数标记进行对比，得到待识别的局部放电信号的来源。本专利技术实施例提供的一种基于S变换的电缆局部放电信号识别装置，其特征在于，包括：变换模块，用于获取已知来源的局部放电信号，并对局部放电信号进行S变换，得到复时频矩阵；分解模块，用于对复时频矩阵进行求模得到模矩阵，并对模矩阵进行奇异值分解，得到模矩阵的奇异值序列；计算模块，用于根据奇异值序列将奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与奇异值序列的Shannon熵的比值，并以比值作为局部放电信号特征向量建立局部放电信号特征样本库；构建模块，用于以局部放电信号特征样本库内的局部放电信号特征向量作为输入，构建多分类支持向量机模型；训练模块，用于将局部放电信号作为样本，对支持向量机模型进行训练，得到训练好的支持向量机模型；输入模块，用于将待识别的局部放电信号的特征向量输入到训练好的支持向量机模型，得到待识别的局部放电信号的来源。从以上技术方案可以看出，本专利技术实施例具有以下优点：本专利技术实施例提供了一种基于S变换的电缆局部放电信号识别方法及装置，包括：获取已知来源的局部放电信号，并对局部放电信号进行S变换，得到复时频矩阵；对复时频矩阵进行求模得到模矩阵，并对模矩阵进行奇异值分解，得到模矩阵的奇异值序列；根据奇异值序列将奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与奇异值序列的Shannon熵的比值，并以比值作为局部放电信号特征向量建立局部放电信号特征样本库；以局本文档来自技高网...

【技术保护点】
一种基于S变换的电缆局部放电信号识别方法，其特征在于，包括：获取已知来源的局部放电信号，并对所述局部放电信号进行S变换，得到复时频矩阵；对所述复时频矩阵进行求模得到模矩阵，并对所述模矩阵进行奇异值分解，得到所述模矩阵的奇异值序列；根据所述奇异值序列将所述奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与所述奇异值序列的Shannon熵的比值，并以所述比值作为局部放电信号特征向量建立局部放电信号特征样本库；以所述局部放电信号特征样本库内的局部放电信号特征向量作为输入，构建多分类支持向量机模型；将所述局部放电信号作为样本，对所述支持向量机模型进行训练，得到训练好的支持向量机模型；将待识别的局部放电信号的特征向量输入到所述训练好的支持向量机模型，得到待识别的局部放电信号的来源。

【技术特征摘要】
1.一种基于S变换的电缆局部放电信号识别方法，其特征在于，包括：获取已知来源的局部放电信号，并对所述局部放电信号进行S变换，得到复时频矩阵；对所述复时频矩阵进行求模得到模矩阵，并对所述模矩阵进行奇异值分解，得到所述模矩阵的奇异值序列；根据所述奇异值序列将所述奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与所述奇异值序列的Shannon熵的比值，并以所述比值作为局部放电信号特征向量建立局部放电信号特征样本库；以所述局部放电信号特征样本库内的局部放电信号特征向量作为输入，构建多分类支持向量机模型；将所述局部放电信号作为样本，对所述支持向量机模型进行训练，得到训练好的支持向量机模型；将待识别的局部放电信号的特征向量输入到所述训练好的支持向量机模型，得到待识别的局部放电信号的来源。2.根据权利要求1所述的基于S变换的电缆局部放电信号识别方法，其特征在于，所述局部放电信号包括电缆本体局部放电信号、电缆终端头局部放电信号、开关柜的电晕放电信号和开关柜的表面放电信号。3.根据权利要求1所述的基于S变换的电缆局部放电信号识别方法，其特征在于，所述获取已知来源的局部放电信号，并对所述局部放电信号进行S变换，得到复时频矩阵包括：获取已知来源的局部放电信号，并通过预置公式一对所述局部放电信号进行S变换，得到复时频矩阵，所述预置公式一具体为：其中，h(kT)为局部放电信号离散时间序列，ST为局部放电信号离散时间序列经过S变换后得到的复时频矩阵，T为离散时间序列的采样周期，N为离散时间序列的长度，H为离散时间序列的傅立叶变换，j为虚数单位，k,n,m＝0,1,…,N-1。4.根据权利要求3所述的基于S变换的电缆局部放电信号识别方法，其特征在于，所述对所述复时频矩阵进行求模得到模矩阵，并对所述模矩阵进行奇异值分解，得到所述模矩阵的奇异值序列包括：对所述复时频矩阵ST进行求模得到模矩阵STA，并通过预置第二公式对所述模矩阵STA进行奇异值分解，得到所述模矩阵的奇异值序列，所述预置第二公式具体为：其中，U和V均为N×N阶正交矩阵，D＝diag(σ1,σ2,…,σN)为对角矩阵，其对角元素(σ1,σ2,…,σN)为矩阵STA的奇异值，ui和vi分别为矩阵U和V的第i列奇异值矢量。5.根据权利要求4所述的基于S变换的电缆局部放电信号识别方法，其特征在于，所述根据所述奇异值序列将所述奇异值序列等分为至少两个区间，计算每个区间内的奇异值的Shannon熵与所述奇异值序列的Sh...

【专利技术属性】
技术研发人员：吴炬卓，
申请(专利权)人：广东电网有限责任公司珠海供电局，
类型：发明
国别省市：广东,44