一种多源放电及干扰叠加情况下的局部放电信号聚类方法技术

技术编号:20944997 阅读:72 留言:0更新日期:2019-04-24 02:36
本发明专利技术属于电气设备局部放电信号状态检测领域,公开了一种多源放电及干扰叠加情况下的局部放电信号聚类方法,如下第1步:输入需要聚类的样本数据;第2步:设定初始聚类数c=1,并输入该初始聚类数;第3步:在所述初始聚类数下,从模糊C均值聚类算法、高斯混合模型聚类算法、GK模糊聚类算法和模糊最大似然聚类算法这四种聚类算法中选出最优的聚类算法;第4步:继续设定聚类数为c+1,重复上述第2步和第3步,直到c+1>5,然后进入第5步;第5步:选出上述聚类有效性指标最优的聚类数及聚类方法,根据该最优聚类数及聚类方法对样本数据进行分析,输出聚类结果,实现局部放电信号聚类算法及聚类个数的自动优化。

A Clustering Method for Partial Discharge Signals in the Superposition of Multi-source Discharge and Interference

The invention belongs to the field of partial discharge signal state detection of electrical equipment, and discloses a clustering method for partial discharge signals in the case of multi-source discharge and interference overlapping. The first step is to input sample data that need clustering; the second step is to set the initial clustering number c=1 and input the initial clustering number; and the third step is to cluster from the fuzzy C-means clustering algorithm under the initial clustering number. The optimal clustering algorithm is selected from the four clustering algorithms of Mixed Model Clustering, GK Fuzzy Clustering and Fuzzy Maximum Likelihood Clustering. Step 4: Continue to set the clustering number c+1, repeat the second and third steps until c+1>5, then enter the fifth step; Step 5: Select the optimal clustering number and clustering method of the above clustering validity index, according to the optimal clustering method. The number and clustering method analyze the sample data, output the clustering results, and realize the clustering algorithm of partial discharge signal and the automatic optimization of the number of clustering.

【技术实现步骤摘要】
一种多源放电及干扰叠加情况下的局部放电信号聚类方法
本专利技术属于电气设备局部放电信号状态检测领域,公开了一种多源放电及干扰叠加情况下的局部放电信号聚类方法。
技术介绍
局部放电是反映大型电力设备绝缘状态的重要参量之一,也是发现高压绝缘设备潜在缺陷的重要手段,具有灵敏度高以及及时有效的特点。目前,局部放电状态检测技术在变电站现场得到了广泛应用。同时,由于现场复杂电磁干扰环境的影响,使得局部放电检测长期面临电磁干扰的技术瓶颈,误报、漏报问题十分严重。现有的一些局部放电信号检测的聚类方法主要针对高频电流法,通过放电信号的时频特征进行手动信号的分离,多用在专家型检测设备上。对于UHF局部放电检测手段而言,由于信号频率高达数GHz,因为成本原因难以对原始UHF信号进行直接采样,因此也无法采用时频特征进行多源局部放电信号的分离。同时,现有常规的一些聚类方法对不同的问题适应性不同,存在着诸如聚类数需要人为确定,不能自动获得最优聚类个数;对初始聚类中心的选取比较敏感,不能对任意形状的数据簇进行聚类等不足,常导致分类错误或失败,因此尚且不能满足局部放电状态检测自动化、智能化的需求
技术实现思路
针对上本文档来自技高网
...

【技术保护点】
1.一种多源放电及干扰叠加情况下的局部放电信号聚类方法,其特征在于,该聚类方法包括如下步骤:第1步:输入需要聚类的样本数据;第2步:设定初始聚类数c=1,并输入该初始聚类数c;第3步:在所述初始聚类数下,从模糊C均值聚类算法FCM、高斯混合模型聚类算法GMM、GK模糊聚类算法GKFC和模糊最大似然聚类算法FML这四种聚类算法中选出最优的聚类算法,方法为分别计算该四种聚类算法的聚类有效性指标,包括划分系数PC和分类熵CE,其中PC值最大且CE值最小的聚类算法为最优的聚类算法;第4步:继续设定聚类数为c+1,重复上述第2步和第3步,直到c+1>5,然后进入第5步;第5步:选出上述聚类有效性指标最优...

【技术特征摘要】
1.一种多源放电及干扰叠加情况下的局部放电信号聚类方法,其特征在于,该聚类方法包括如下步骤:第1步:输入需要聚类的样本数据;第2步:设定初始聚类数c=1,并输入该初始聚类数c;第3步:在所述初始聚类数下,从模糊C均值聚类算法FCM、高斯混合模型聚类算法GMM、GK模糊聚类算法GKFC和模糊最大似然聚类算法FML这四种聚类算法中选出最优的聚类算法,方法为分别计算该四种聚类算法的聚类有效性指标,包括划分系数PC和分类熵CE,其中PC值最大且CE值最小的聚类算法为最优的聚类算法;第4步:继续设定聚类数为c+1,重复上述第2步和第3步,直到c+1>5,然后进入第5步;第5步:选出上述聚类有效性指标最优的聚类数及聚类方法,根据该最优聚类数及聚类方法对样本数据进行分析,输出聚类结果。2.如权利要求1所述多源放电及干扰叠加情况下的局部放电信号聚类方法,其特征在于,所述聚类有效性指标包括划分系数PC和分类熵CE,其中划分系数PC用于评判分类簇c之间的分离程度;分类熵CE用于计算分类簇c的模糊度;所述划分系数PC和分类熵CE的计算公式如下:其中,μij代表第j点和第i分类簇的隶属关系,N代表聚类样本个数。3.如权利要求1所述多源放电及干扰叠加情况下的局部放电信号聚类方法,其特征在于,所述最优的聚类有效性指标是其中PC值最大且CE值最小。4...

【专利技术属性】
技术研发人员:吴德贯黄和燕周禹李红元潘凯龙方宇夏辉许毅邵成林杨栋金辉王鑫罗朋振肖黄能孙琨
申请(专利权)人:中国南方电网有限责任公司超高压输电公司检修试验中心
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1