一种基于奇异值分解的局部放电类型识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于奇异值分解的局部放电类型识别方法及装置，包括：S1、获取已知局部放电类型，建立局部放电类型库；S2、对局部放电信号进行小波包去噪预处理，截取去噪后的局部放电信号发生区域的信号构造Hankel矩阵，之后进行奇异值分解；S3选择合适数量的奇异值的能量百分比作为特征量T，将各类型的局部放电特征量分为训练样本T

【技术实现步骤摘要】
一种基于奇异值分解的局部放电类型识别方法及装置
本专利技术涉及电力
，具体涉及一种基于奇异值分解的局部放电类型识别方法及装置。
技术介绍
局部放电，是指仅在绝缘体中的局部区域发生，而没有形成贯穿性放电通道的放电现象。不同类型的局部放电产生的机理和发生的位置各不相同，对设备绝缘的破坏程度也有所不同。通过对PD信号特征量的提取和分析并进行模式识别工作，能及时且准确地掌握电缆绝缘故障的类型和特征，帮助检修人员合理制定检修计划，保证供电的可靠性与安全性，防止用电事故的发生。PD信号的特征提取决定PD信号模式识别的方法和效果，目前PD信号特征提取主要有统计特征法和时域分析法。统计特征法是针对PD信号的各种统计分布图进行特征提取的方法，主要方法有：分形维数法、灰度图像法、Weibull分布法、PRPD图谱分析法、PRPS图谱分析法，统计特征参量包括：偏斜度Sk、陡峭度Ku、放电量因数Q、互相关系数CC、Weibull分布的尺度参数α和形状参数β等。但其运用于特征提取上参量众多，如何有效选取有代表性的特征量仍没有有效准则。时域分析法是根据PD信本文档来自技高网...

【技术保护点】
1.一种基于奇异值分解的局部放电类型识别方法，其特征在于：所述的识别方法包括下列步骤：/nS1、获取已知局部放电类型，建立局部放电类型库；/nS2、对局部放电信号进行去噪预处理，截取去噪后的局部放电信号发生区域的信号构造Hankel矩阵，之后进行奇异值分解；/nS3、选择合适数量的奇异值的能量百分比作为特征量T，将各类型的局部放电特征量分为训练样本T

【技术特征摘要】
1.一种基于奇异值分解的局部放电类型识别方法，其特征在于：所述的识别方法包括下列步骤：
S1、获取已知局部放电类型，建立局部放电类型库；
S2、对局部放电信号进行去噪预处理，截取去噪后的局部放电信号发生区域的信号构造Hankel矩阵，之后进行奇异值分解；
S3、选择合适数量的奇异值的能量百分比作为特征量T，将各类型的局部放电特征量分为训练样本Ttrain和检验样本Ttest；
S4、将Ttrain作为遗传算法优化的BP神经网络的输入，训练得到最佳BP神经网络；
S5、将Ttest作为训练好的BP神经网络的输入，得到局部放电信号类型。


2.根据权利要求1所述一种基于奇异值分解的局部放电类型识别方法，其特征在于：所述步骤S1中，获取已知局部放电类型有g类，根据其类型使用二进制数进行标记，并将这些局部放电数据分门别类放到同一个数据库中，建立局部放电类型库。


3.根据权利要求1所述一种基于奇异值分解的局部放电类型识别方法，其特征在于：所述步骤S2包括以下步骤：
S21、对局部放电信号y(i)(i＝1,2,...,N)采用小波包方法进行去噪预处理，将局部放电信号分成一系列细节分量和近似分量，使用matlab封装好的阈值函数ddencmp获取y(i)局部放电的阈值THR，进而将THR代入封装好的小波包分解去噪函数wpdencmp函数对信号进行分解去噪，得到去噪后的局部放电信号
S22、截取发生的区域[l1,l2]的信号建立Hankel矩阵H，Hankel矩阵构造如下：



其中：l1<n'<l2，m'＝l2+l1-n'，如果l2+l1为偶数，如果l2+l1为奇数，
S23、对H进行奇异值分解，奇异值分解如下所示：



其中：U、V分别表示为m×m、n×n的正交矩阵，D＝diag(λ1,λ2,...,λr)(r＝min(m,n))，ui和vi表示m、n维列向量。


4.根据权利要求1所述一种基于奇异值分解的局部放电类型识别方法，其特征在于：所述步骤S3包括以下步骤：
S31、当...

【专利技术属性】
技术研发人员：罗新，刘春涛，黄学民，牛峥，李乾坤，陈为庆，齐向东，庄小亮，蒙泳昌，
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广州局，
类型：发明
国别省市：广东;44