本发明专利技术提供一种电力电缆局部放电模式识别分析系统,能够实现不同放电类型的准确识别。所述系统包括:预处理模块,用于对采集的多种放电类型的局部放电信号进行预处理;特征提取模块,用于提取预处理之后的局部放电信号的特征形成特征库;模式识别模块,用于将特征库中的特征及特征所属的放电类型输入支持向量机中计算不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。本发明专利技术涉及高压绝缘检测分析技术领域。域。域。
【技术实现步骤摘要】
一种电力电缆局部放电模式识别分析系统
[0001]本专利技术涉及高压绝缘检测分析
,特别是指一种电力电缆局部放电模式识别分析系统。
技术介绍
[0002]随着企业向资源节约型和环境友好型发展,国家电网向智能电网建设的推进,电网运行的安全性越来越重要,为了能更准确地判断出电气设备缺陷类型,防止故障进一步扩大,电气设备的智能识别系统已成为电网安全运行的重要研究方向。
[0003]电缆线路作为电力系统中重要的电气设备,内部绝缘故障将导致局部电场升高而引起局部放电,因此对电缆局部放电的准确识别显得尤为重要。
[0004]在局部放电模式识别分析领域,大多数识别系统只适用于单一局放源的故障分析,对于电缆设备发生多局放源故障时分析结果就比较模糊。
技术实现思路
[0005]本专利技术实施例提供了电力电缆局部放电模式识别分析系统,能够显著提高不同放电类型的识别准确率。所述技术方案如下:
[0006]本专利技术实施例提供了一种电力电缆局部放电模式识别分析系统,包括:
[0007]预处理模块,用于对采集的多种放电类型的局部放电信号进行预处理;
[0008]特征提取模块,用于提取预处理之后的局部放电信号的特征形成特征库;
[0009]模式识别模块,用于将特征库中的特征及特征所属的放电类型输入支持向量机中计算不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。
[0010]进一步地,所述放电类型包括:局部放电电晕故障、内部放电故障、沿面放电故障和噪声干扰。
[0011]进一步地,所述预处理模块包括:信号采集单元;
[0012]所述预处理模块连接外部HFCT传感器,所述HFCT传感器,用于采集局部放电信号,并将采集的局部放电信号传输至所述信号采集单元;
[0013]所述信号采集单元的最大采样率大于HFCT传感器的2倍。
[0014]进一步地,所述预处理模块,具体用于对采集的局部放电信号进行滤波去噪以及放大处理。
[0015]进一步地,所述特征提取模块,具体用于根据预处理之后的局部放电信号得到局部放电谱图,计算谱图的特征值并对特征值进行主成分分析,主成分分析后得到的特征构成特征库。
[0016]进一步地,所述谱图包括:放电量、放电相位、放电次数及相位分辨的局部放电谱图。
[0017]进一步地,所述特征值包括:谱图的正负半轴的偏斜度、陡峭度、峰点数、平均放电量、放电因子、相关系数、修正相关系数、威布尔分布形状参数和威布尔分布尺度参数。
[0018]进一步地,模式识别模块,具体用于将特征库划分为训练集和测试集,将训练集中的特征及特征所属的放电类型输入支持向量机中对支持向量机进行训练,使得支持向量机的权值法向量w和截距b达到最优,从而得到不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。
[0019]进一步地,训练好的支持向量机利用投票机制确定待分类局部放电数据的放电类型。
[0020]本专利技术的上述技术方案的有益效果如下:
[0021]上述方案中,通过预处理模块对采集的多种放电类型的局部放电信号进行预处理;通过特征提取模块提取预处理之后的局部放电信号的特征形成特征库;通过模式识别模块将特征库中的特征及特征所属的放电类型输入支持向量机中计算不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。这样,采用支持向量机算法对多种故障信号进行二分法模式分离,将模式识别转化为二次型寻找最优解问题,可以有效地找到不同放电类型的最优分类超平面,使最优分类超平面两侧的无点区域最大化,从而显著提高不同放电类型的识别准确率。
附图说明
[0022]图1为本专利技术实施例提供的电力电缆局部放电模式识别分析系统的结构示意图。
具体实施方式
[0023]为使本专利技术要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
[0024]如图1所示,本专利技术实施例提供的电力电缆局部放电模式识别分析系统,包括:
[0025]预处理模块11,用于对采集的多种放电类型的局部放电信号(即:多种故障信号)进行预处理;
[0026]特征提取模块12,用于提取预处理之后的局部放电信号的特征形成特征库;
[0027]模式识别模块13,用于将特征库中的特征及特征所属的放电类型输入支持向量机中计算不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。
[0028]本专利技术实施例所述的电力电缆局部放电模式识别分析系统,通过预处理模块对采集的多种放电类型的局部放电信号进行预处理;通过特征提取模块提取预处理之后的局部放电信号的特征形成特征库;通过模式识别模块将特征库中的特征及特征所属的放电类型输入支持向量机中计算不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。这样,采用支持向量机算法对多种故障信号进行二分法
模式分离,将模式识别转化为二次型寻找最优解问题,可以有效地找到不同放电类型的最优分类超平面,使最优分类超平面两侧的无点区域最大化,从而显著提高不同放电类型的识别准确率。
[0029]本实施例中,输电电缆由于绝缘缺陷将引起局部放电发生,局部放电信号又是表征绝缘状态最为有效的特征量。因此,有效分析电缆的局部放电信号及其对检测到的特征值进行模式识别将有助于及时发现早期绝缘隐患,判断介质老化速度和当前状态,避免电缆突发事故。
[0030]本实施例中,在检测分析到局部放电发生后,采用支持向量机能够实现不同放电类型的准确识别,通过准确地识别到的电缆故障类型(即:放电类型),可以帮助检修人员确定故障原因,准确把握停电范围,快速处理故障电缆设备。
[0031]在前述电力电缆局部放电模式识别分析系统的具体实施方式中,进一步地,所述放电类型包括:局部放电电晕故障、内部放电故障、沿面放电故障和噪声干扰。
[0032]在前述电力电缆局部放电模式识别分析系统的具体实施方式中,进一步地,所述预处理模块包括:信号采集单元;
[0033]所述预处理模块连接外部HFCT传感器,所述HFCT传感器,用于采集局部放电信号,并将采集的局部放电信号传输至所述信号采集单元。
[0034]本实施例中,HFCT传感器为外部高频电流传感器,根据奈奎斯特(Nyquist)采样定理可知,所述预处理模块中的信号采集单元的最大采样率要大于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电力电缆局部放电模式识别分析系统,其特征在于,包括:预处理模块,用于对采集的多种放电类型的局部放电信号进行预处理;特征提取模块,用于提取预处理之后的局部放电信号的特征形成特征库;模式识别模块,用于将特征库中的特征及特征所属的放电类型输入支持向量机中计算不同放电类型的最优分类超平面,以便将获取到的待分类局部放电数据输入到支持向量机中,通过支持向量机确定待分类局部放电数据所属的超平面,得到待分类局部放电数据的放电类型。2.根据权利要求1所述的电力电缆局部放电模式识别分析系统,其特征在于,所述放电类型包括:局部放电电晕故障、内部放电故障、沿面放电故障和噪声干扰。3.根据权利要求1所述的电力电缆局部放电模式识别分析系统,其特征在于,所述预处理模块包括:信号采集单元;所述预处理模块连接外部HFCT传感器,所述HFCT传感器,用于采集局部放电信号,并将采集的局部放电信号传输至所述信号采集单元;所述信号采集单元的最大采样率大于HFCT传感器的2倍。4.根据权利要求1所述的电力电缆局部放电模式识别分析系统,其特征在于,所述预处理模块,具体用于对采集的局部放电信号进行滤波去噪以及放大处理。5.根据权利要求1所述的电力电缆局部放电模式识别分析系统,其特征在于...
【专利技术属性】
技术研发人员:杨斌,
申请(专利权)人:北京博研中能科技有限公司,
类型:发明
国别省市:
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。