一种基于GIS多源局部放电信号数据流聚类分离方法技术

本发明专利技术涉及一种基于基于GIS多源局部放电信号数据流聚类分离方法，属于高压电气设备局部放电检测技术领域，局部放电检测中,由于多种放电源与现场干扰源同时存在并不断变化的现象，导致多种局部放电源难以有效分离及识别的难题，论文提出一种高效的自适应在线数据流聚类方法。该方法采用自然邻域创建KD树来提高查询近邻的效率，即通过流数据的特征得到自适应的邻域半径和区域密度，从而能够局部搜索并形成团簇，实现多种局部放电源的实时在线分离。在人工数据集和真实数据集验证了该方法的优越性，将其应用于气体绝缘变电站故障的模式识别。识别。识别。

【技术实现步骤摘要】
一种基于GIS多源局部放电信号数据流聚类分离方法


[0001]本专利技术属于高压电气设备局部放电检测
，具体为基于GIS多源局部放电信号数据流聚类分离方法。

技术介绍

[0002]在人口稠密的城市中，对变电站的紧凑设计和小尺寸的要求，使得气体绝缘变电站(GasInsulated Substation，GIS)的安装成为必要条件。由于GIS的紧凑设计，低维护要求和可靠的运行，近年来在电力公用事业中得到了广泛的应用。像其他高压设备一样，GIS设备绝缘体在强电场的作用下内部区域可能出现各种引起危害的潜伏性绝缘缺陷，产生不同类型局部放电(Partial Discharge，PD)。不同类型PD反映的绝缘劣化机理不同，对GIS设备损害程度也不同。识别PD类型可以为变压器的诊断、检修提供依据，从而确保电力系统安全稳定的运行。模式识别是气体绝缘变电站故障诊断的主要内容之一，用数学方法对有故障信息的数据进行自动处理和识别，提取有效的信息，从而对故障的数据点进行聚类和分离。通过PD 信号监测系统采集到PD信号，通过模式识别方法对数据之中能反映气体绝缘变电站本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GIS多源局部放电信号数据流聚类分离方法，其特征在于，包括：步骤1：特征提取，本文提取了信号特征中的偏斜度Sk、陡峭度Ku、相位Φ和放电量Q等特征量。步骤2：自然邻域算法，自适应半径邻域和区域密度，初始化自然邻域，将数据放入到KD树上进行最邻近搜索，对其每个数据点找到其K
‑
近邻、逆K
‑
近邻，以及每个数据点近邻的数量，判断是否达到稳定终止平衡条件。步骤3：参数选择：分为两个阶段，第一阶段引入自然邻域算法，通过自然邻域算法对前n个数据点组成的数据集进行处理得到自然特征值λ和微簇最小阈值M，然后计算每个数据点与最小预置的距离之后，然后求其平均值。设算法的邻域半径γ(ε)，通过引入自然邻域算法，得到所需要的区域密度和邻域半径，从而无需初始化参数值，通过数据点不断进入，自适应更新M和γ(ε)。步骤4：聚类分离：分配核心微簇，在新的数据点到达时，判断数据样本是否属于当前微簇，如果不是，则创建一个新的微簇。如果数据在当前微簇中，进一步检查数据在微簇团的核心半径或壳半径内。如果判断数据点落在壳半径区域内，则更新微簇的中心位置。删除衰减到最小阈值的微簇：所有的微簇寿命减少到衰减量时，将微簇移除，并删除与它相连的边。更新集群：聚类图更新发生在已存在的微簇中心点位置已发生改变；微簇发生移动或产生新的微簇；微簇的寿命衰减到设定的阈值。2.根据权利要求1所述的基于GIS多源局部放电信号数据流聚类分离方法，实现不同放电故障信号的分离，首先必须提取的特征量能够反映局部放电信号的时域特征。从而通过特高频提取到的特征值来表示局部放电信号。多种局部放电信号，由于放电机理、放电缺陷位置、放电信号传播路径的不同，会在特征值中表现不同的差异，因此根据不同局部放电信号时域分布特征的不同，就可以将多种局放信号进行分离，用于类型识别的PD特征量选择方法主要集中在PD相位分析模式，统计特征参数用来PRPD的特征描述。本文提取了信号特征中的偏斜度Sk、陡峭度Ku、工频相位Φ、放电量Q等特征量。3.根据权利要求2所述的基于GIS多源局部放电信号数据流聚类分离方法，其特征在于：初始化自然邻域，将数据放入到KD树上进行最邻近搜索，将数据放入到KD树上进行最邻近搜索，判断是否达到稳定终止平衡条件。4.根据权利要求3所述的基于GIS多源局部放电信号数据流聚类分离方法，其特征在于：算法通过自然邻域算法对前n个数据点组成的数据集进行处理，得到自然特征值λ，设算法中的最小阈值D，然后计...

【专利技术属性】
技术研发人员：陈昌川，刘凯，刘仁光，代少升，张天骐，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：