基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法技术

本发明专利技术公开了一种基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，涉及测量电变量领域，包括以下步骤：获取多种噪声干扰信号数据和多种故障类别的局部放电信号数据,并构造多个子字典，再以多个子字典构造成为复合字典；获取待测样本；用复合字典，通过最小化L1范数求解待测样本的稀疏表示系数；将最小子字典重构误差作为分类依据，确定待测样本的类别。本发明专利技术中不是基于特征的分类方法，对于关键特征的提取没有太大的依赖性。避免了复杂的特征提取以及通过迭代训练获得字典的过程。此外，本发明专利技术方法强调和解决的是强背景噪声下的局部放电信号识别，是一种识别效果更佳，更具有鲁棒性的识别方法，而不是噪声抑制方法。

【技术实现步骤摘要】
基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法
本专利技术涉及测量电变量领域，更具体地说是指一种基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法。
技术介绍
电力设备的局部放电即在电场的作用下，电力设备的绝缘结构局部区域发生“微弱”放电信号，这主要是由于电力设备绝缘劣化导致。因此局部放电状态也成为电力设备绝缘劣化的主要征兆以及表现形式。对电力设备的局部放电状态实时在线检测，分析其内涵、特性，提取表征局部放电类型的特征量，能揭示电力设备绝缘劣化、性能下降、介质击穿的渐变过程，可以有效地发现电气设备内部绝缘缺陷等局部隐患，有目的地对电力设备进行维修。这对提前发现电力设备中的潜伏性故障，避免设备事故具有重要价值。但电气设备通常受到强电磁干扰影响，从而使局部放电信号中包含各种复杂的干扰信号。同时由于电力设备局部放电信号是极其微弱的信号，往往可能完全淹没在强烈的干扰信号中，进而影响电力设备的检测及监测。因此，为了有效电力设备故障诊断，需要寻求一种强背景噪声下的局部放电信号识别方法。
技术实现思路
本专利技术提供的一种基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，本文档来自技高网...

【技术保护点】
1.基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于,包括以下步骤：（1）、获取多种噪声干扰信号数据和多种故障类别的局部放电信号数据,并构造多个子字典，再以多个子字典构造成为复合字典；（2）、获取待识别信号，作为待测样本；（3）、用复合字典，通过最小化L1范数求解待测样本的稀疏表示系数；（4）、计算待测样本为每一个类别的逼近残差，用此来衡量对待测样本的稀疏逼近程度的子字典重构误差；将最小子字典重构误差作为分类依据，确定待测样本的类别。

【技术特征摘要】
1.基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于,包括以下步骤：（1）、获取多种噪声干扰信号数据和多种故障类别的局部放电信号数据,并构造多个子字典，再以多个子字典构造成为复合字典；（2）、获取待识别信号，作为待测样本；（3）、用复合字典，通过最小化L1范数求解待测样本的稀疏表示系数；（4）、计算待测样本为每一个类别的逼近残差，用此来衡量对待测样本的稀疏逼近程度的子字典重构误差；将最小子字典重构误差作为分类依据，确定待测样本的类别。2.如权利要求1所述的基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于，所述步骤（1）具体为：所述复合字典直接由大量观测样本组成，表示为A=[A1,A2,……,Ak,Ak+1]∈Rm×n；其中A1,A2,……,Ak表示K个不同故障类别的子字典，各子字典是由某一故障类别的所有观测样本直接构成，Ak+1表示一个含多种噪声类别的子字典。3.如权利要求2所述的基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于，所述步骤（3）具体为：用稀疏表示分类，...

【专利技术属性】
技术研发人员：邓敏，毛恒，田阳普，林少汉，刘成宝，
申请(专利权)人：红相股份有限公司，
类型：发明
国别省市：福建,35