一种基于网格的局部放电信号聚类分析方法技术

本发明专利技术属于电力电气设备局部放电信号监测的领域，申请保护一种基于网格的局部放电信号聚类分析方法。涉及数据挖掘技术与数字信号处理技术。该方法首先通过采集系统采集原始局部放电信号，获取有效的信号特征量；经过预处理对原始有效特征量进行归一化处理；利用数据集本身属性划分网格单元；将数据通过一定的索引关系映射到网格中去；利用高斯核函数的优势对网格局部密度进行估计；利用相对距离的思想，通过决策图的形式自决策聚类数目与聚类中心点；根据聚类中心点分配非聚类中心数据；最后，根据相对距离标记噪声点和离群点。本发明专利技术提出的基于网格的局部放电信号聚类分析方法具有思想易实现、易集成、开发周期短、实时性高、聚类结果人为干预少等一系列优点。聚类结果人为干预少等一系列优点。聚类结果人为干预少等一系列优点。

【技术实现步骤摘要】
一种基于网格的局部放电信号聚类分析方法


[0001]本专利技术涉及电力电气设备局部放电信号状态的检测分析方法，涉及数据挖掘技术、数字信号处理技术等领域。

技术介绍

[0002]局部放电作为绝缘体缺陷的一种表征，通过检测其存在及其含量之后，有利于对高压电气设备进行恰当的检修与更换。然而不同的放电类型，其产生原因、放电强度以及放电持续时间等不尽相同。在复杂的环境中，往往存在多种局部放电源信号和噪声，给辨别局部放电类型增加了难度，有时甚至依靠主观经验来判断放电类型。这在复杂的情形下是很难做到正确判断的，甚至可能误判成其他放电类型，从而不能及时有效地完成检修工作。因此，有效地将不同放电类型根据其特征量区分开，然后将满足同一条件的信号聚集在一起并辨识，如此才能及时检测设备运行状况，避免突发事故。
[0003]为了检测局部放电并及时维护电力设备，在长期发展的过程中，电力电气设备的故障检测一般采用定期检测，但是随着工业的突飞猛进，电网变得越来越复杂，定期检测也开始呈现出越来越多的不足之处，在进行电气设备故障检测时，为了保障检修时的设备及人员安全，必须停电检修，这将给人们的生产生活带来极大的不便；由于定期检查，工作量大，所以其检修周期时间长，可能半年或者一年检修一次。这样就很难发现一个周期内发生的电气设备故障问题，潜在危害极大；由于检修时试验设备的限制以及试验过程中产生的各种噪声干扰，不能正确的反映实际情况，测试到的数据往往不能反映真实的绝缘体状态，从而无法发现绝缘体缺陷的存在。
[0004]针对这些问题，行业内制造了能实时反映绝缘体状态的在线监测系统。这不仅缩短了检测时的时间和周期，同时保障能及时发现潜在的绝缘体缺陷。然而由于采集设备的限制，采集局部放电信号时，往往会参杂大量与局放信号相似度极高的干扰信号，甚至可能是其他局部放电信号。这些干扰信号可能传播途径不同，信号强度和频率不同，有些干扰信号甚至会将局放信号淹没，这直接影响到局放信号的检测。另外，由于局部放电有多种放电类型，当用设备采集局放信号用作分析时，必将把多种局放信号混合在一起，导致无法准确判定为何种类型的局放信号，这给高压电气设备的检修带来极大的困难。
[0005]近年来，随着大数据时代的到来，数据挖掘技术被应用于多个场景，将现有聚类方法应用于局部放电信号的分析中，主要需要考虑的是算法的实时性、算法最优参数的选取问题。而常规的聚类方法均无法满足局部放电检测的自动化和智能化需求。

技术实现思路

[0006]针对存在的技术问题，本专利技术提出了一种针对局部放电信号的聚类分析方法，采用网格划分技术来提高算法收敛速度，利用筛选差分抖升法自动决策聚类数目和聚类中心。
[0007]为了解决局部放电信号特征量的聚类分析问题，本专利技术采用了如下技术方案：一
种基于网格的局部放电信号聚类分析方法，该方法主要由以下步骤组成：
[0008]第1步：获取原始数据的波形特征数据并用于聚类分析的输入数据集。
[0009]第2步：对数据集进行预处理，采用归一化处理数据集。
[0010]第3步：利用网格聚类方法的思想，将归一化后的数据集进行网格划分，划分的网格等长且互不相交，网格划分的长度依赖于数据集的规模。
[0011]第4步：将归一化后的数据集映射到网格空间中，生成对应的映射值。
[0012]第5步：利用高斯核函数，估计每个网格的密度，并记录每个网格的密度值。
[0013]第6步：根据密度峰值聚类的相对距离思想，利用网格密度来计算相对网格距离值。
[0014]第7步：根据网格密度和相对网格距离组成二维决策图，并通过均值筛选序列对，之后利用差分抖升法确定聚类中心和聚类数量。
[0015]第8步：将非聚类中心分配到最近的簇内，并对边界点和离群点进行处理，输出聚类结果。
[0016]该方法的聚类指标主要包括准确度ACC和调整兰德指数ARI，其中准确度 ACC主要用于判断聚类划分的准确性；调整兰德指数ARI主要用于判断类内的纯度。上述指标的公式如下：
[0017][0018][0019]其中N
right
、N
总
分别为正确聚类的点数和总的数据集点数，RI可表示如下：
[0020][0021]a表示实际与实验结果在同一个簇的数据样本对个数，而b为实际与实验都不在一个簇的数据样本对个数，n
dou
表示数据集中可以组成样本对的个数。
[0022]对于聚类结果而言，当ACC值和ARI值均最大时，聚类效果最好。而本文的数据样本，来自于采集电路获取的局部放电信号的特征量，这些特征量具有一定的分辨性，可以用作区分不同的局部放电信号。该采集电路主要包括特高频传感器(UHF)，利用局部放电信号产生时附带的磁场效应，通过传感器耦合成电信号之后，信号进入前置包络电路，通过包络电路保留信号重要信息的同时还能对特高频信号起到降频的作用，经过ADC采集模块对该包络信号进行采集，并通过通路选择芯片选择多路信号采集多相位信号，然后在现场可编程门阵列(FPGA) 上对波形数据逐个提取基本特征量，最后将基本特征量传入DSP计算最终使用的特征量。
[0023]本专利技术提出的基于网格的局部放电信号聚类分析方法与传统方法相比，能够运用于局部放电检测的硬件系统上，适用于含噪的场景，能够发现噪声信号以及离群点，在实际应用中能够自动确定聚类数目和聚类中心点，顺应自动化和智能化的现实需求。
附图说明
[0024]图1是本专利技术数据集来源的结构图。
[0025]图2是本专利技术基于网格的局部放电聚类分析方法的流程图。
[0026]图3是本专利技术的聚类过程中的效果图。
[0027]其中图3(a)为归一化后的原始数据集分布图；图3(b)筛选后的决策图；图3(c) 为自动确定的聚类中心示意图；图3(d)为聚类结果图。
具体实施方式
[0028]下面结合附图和具体实例对本专利技术的聚类分析方法进行详细的描述：
[0029]图2中描述了基于网格的局部放电聚类分析方法的分析流程图，图中聚类分析从数据集输入开始，经过了一系列处理，最后输出聚类结果。其算法的实现原理如下：
[0030]数据集输入。通过提取局部放电信号波形特征量，作为聚类分析的输入。通过如图1所示的硬件系统，从传感器接收耦合磁场信息开始，经包络电路降频提取有用信息，采取250M采样率的ADC采样，并运用可编程门阵列提取各种波形特征量，如：幅值、相位、偏斜度和峰度等特征量。将其组合成所需要的二维或者三维数据集，用作聚类分析的输入数据。如图2所示，对局部放电信号特征量的聚类分析分多阶段来实现。首先，由于不同特征量数据的数值范围和量纲不同，使得特征数据相互之间没有可比性，会增加误差，因此不能直接用作聚类分析，为了避免不同量纲带来的数量级差别，增加不同特征量之间的可比性，首先要做的是对原始特征量数据进行预处理，常见的消除量纲的方法有归一化和标准化，而归一化能将各特征量压缩到0到1之间，故本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网格的局部放电信号聚类分析方法，其特征在于：该聚类方法包括以下步骤：第1步：获取原始包络波形的特征量；第2步：对原始包络波形的特征量进行预处理；第3步：利用网格划分技术，根据归一化数据的属性划分合适的网格空间，并关联数据集和网格空间，为每个数据样本分配合适的标号；第4步：利用高斯核函数估计每个网格的局部密度；第5步：利用相对网格距离和网格局部密度的对应关系，通过自决策方法确定聚类中心和聚类数目；第6步：根据第5步结果分配非聚类中心点的所属类别，并利用相对距离发现噪声点和离群点，最后输出聚类结果，并在显示器上显示最终的聚类图谱。2.根据权利要求1所述的一种基于网格的局部放电信号聚类分析方法，其特征在于，所属聚类方法的评价指标包括准确度ACC和调整兰德指数ARI，其中准确度ACC主要用于判断聚类划分的准确性；调整兰德指数ARI主要用于判断类内的纯度。上述指标的公式如下：要...

【专利技术属性】
技术研发人员：代少升，刘小兵，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：