一种基于极坐标分布熵优化的GIS局放模式识别方法技术

本发明专利技术公开了一种基于极坐标分布熵优化的GIS局放模式识别方法，属于大电网现场电力设备缺陷诊断识别领域，首先针对光电局部放电信号的信号缺失现象，利用非下采样轮廓波变换对光电PRPD图谱进行融合处理，得到光电融合图谱，然后基于KAZE算法提取融合PRPD图谱的特征点与尺度向量，接着将特征点依据坐标与尺度向量发散至极坐标表示，并对极坐标上划分出的每一区域分别进行分布熵计算构成特征向量，最后将特征向量载入经Adaboost算法优化的长短期记忆网络，验证其局部放电模式识别的准确率，较于统计参数法与KAZE特征提取方法，本发明专利技术所提算法能更好的提取PRPD图谱特征向量，局部放电缺陷模式识别准确率显著提升。电缺陷模式识别准确率显著提升。电缺陷模式识别准确率显著提升。

【技术实现步骤摘要】
一种基于极坐标分布熵优化的GIS局放模式识别方法


[0001]本专利技术涉及大电网现场电力设备缺陷诊断识别
，更具体的说是涉及一种基于KAZE与极坐标分布熵优化的GIS局部放电模式识别方法。

技术介绍

[0002]气体绝缘组合电器(gas insulated switchgear，GIS)以其广泛的适用性、优秀的绝缘性能以及可靠的稳定性，在电力系统中受到广泛应用。然而，由于GIS特殊的内部结构，在生产、运输、装配过程中可能产生某些绝缘缺陷，设备长期运行引起的绝缘老化也可能引发GIS的绝缘故障，进而导致设备局部放电，甚至发生绝缘击穿，从而危害电网安全。不同绝缘缺陷引发的局部放电模式各不相同，对电网安全的威胁程度差异明显，因此GIS局部放电的模式识别效率对设备的状态监测与故障检修有重要意义。
[0003]近年来，图像特征提取技术在遥感配准领域快速发展，图像中显著特征能够被自发提取，大量相关算法如尺度不变特征变换(scale invariant feature transform，SIFT)、加速鲁棒特征(speed
‑
up robust features，SURF)、二进制鲁棒不变尺度特征(binary robust invariant salable keypoints，BRISK)等被提出应用于特征描述符的提取。然而，遥感图像，特别是光学图像和SAR图像均具有较大的非线性辐射差异，上述算法的特征提取能力变弱。为了解决这一问题，基于非线性尺度空间的多尺度二维特征配准算法(KAZE)被提出并得到应用。有文献采用加速的KAZE算法对航拍图像进行特征提取，解决了KAZE实时性较差的问题，提高了图像配准精度；有文献首先通过设定阈值，提取高分辨率、大尺度图像中信息更丰富的部分，再进行加速的KAZE特征提取，最终配准准确率均能达到90％以上。然而，在GIS局部放电模式识别中，KAZE算法得到的特征向量维数巨大，极易造成数据冗余与过拟合，且配准结果通常由少量图像间汉宁距给出，难以应用于图谱数量众多的局部放电模式识别。
[0004]因此，提出一种基于极坐标分布熵优化的GIS局放模式识别方法，能够更好地提取PRPD图谱特征向量，提高模式识别准确率，是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于极坐标分布熵优化的GIS局放模式识别方法，提高了模式识别准确率，具有更好的鲁棒性和更稳定的识别结果。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于极坐标分布熵优化的GIS局放模式识别方法，包括以下步骤：
[0008]S1：通过试验仿真模拟GIS局部放电信号，利用光学集成传感器进行采集，并转化成光电PRPD图谱；
[0009]S2：采用NSCT图像融合算法将所述光电PRPD图谱融合，得到光电融合PRPD图谱；
[0010]S3：利用KAZE算法提取所述光电融合PRPD图谱的特征点，获取所述特征点的坐标信息与描述向量，所述描述向量包含所述特征点的尺度信息；
[0011]S4：将包含坐标信息与尺度信息的所述特征点发散至极坐标，对所述极坐标上划分的每一子区域分别进行分布熵计算，构成特征向量，并选取最优特征向量；
[0012]S5：将所述最优特征向量输入Adaboost
‑
LSTM网络模型进行局部放电模式识别。
[0013]优选的，所述光电PRPD图谱包括光学PRPD图谱和特高频PRPD图谱；
[0014]所述光学集成传感器中集成有光学传感器和特高频传感器，分别将所述GIS局部放电信号转化为所述光学PRPD图谱和所述特高频PRPD图谱。
[0015]优选的，所述S2包括：
[0016]S21：分别对所述光学PRPD图谱和所述特高频PRPD图谱进行多尺度分解，得到各个层次的高频子带图和低频子带图；对所述高频子带图进行多方向分解，最终分别得到所述光学PRPD图谱和所述特高频PRPD图谱的低频子带系数和多个不同方向的高频子带系数；
[0017]S22：根据所述低频子带系数求平均，所述高频子带系数取大的融合规则，将所述光电PRPD图谱和所述特高频PRPD图谱在各个尺度与方向分别融合，得到光电融合子图；
[0018]S23：对所述光电融合子图进行NSCT逆变换得到光电融合PRPD图谱。
[0019]优选的，所述S3包括：
[0020]S31：基于原图，利用加性算子分裂算法与可变的传导扩散方法构建非线性尺度空间；
[0021]S32：在所述非线性尺度空间的不同尺度中，将任一点分别与邻域内各点比较，寻找归一化后的Hessian矩阵极大值点作为特征点；利用泰勒展开拟合求解所述特征点的位置坐标；
[0022]S33：根据所述特征点邻域确认所述特征点的主方向，使用M
‑
SURF算法为每一个所述特征点构建描述向量。
[0023]优选的，所述S33中使用M
‑
SURF算法为每一个所述特征点构建描述向量，包括：
[0024]S331：对尺度为s
i
的特征点，以其为中心，选取一个大小为24s
i
×
24s
i
的矩阵邻域，并将其划分为4
×
4个子区域，每两个子区域间的重叠为2s
i
；
[0025]S332：对每一个子区域分别进行高斯加权得到一个4维的特征点描述向量d
v
如下：
[0026]d
v
＝(∑L
x
,∑L
y
,∑|L
x
|,∑|L
y
|)；
[0027]其中，L
x
和L
y
分别为x，y处的微分；
[0028]S333：使用高斯核对各子区域的4维描述向量d
v
进行加权求和与归一化处理，得到每一个特征点的64维描述向量。
[0029]优选的，所述S4包括：
[0030]S41：以所述光电融合PRPD图谱原点为极点，构建极坐标系，初始化极角段数p和极径段数q，以极点为中心，将极角等分为p段，沿极径等分为q段，并将所述极坐标系划分为若干个子区域；
[0031]S42：将提取的所述特征点按照坐标信息和尺度信息发散至极坐标内，计算各子区域的分布熵构成特征向量；
[0032]S43：计算所述特征向量类内离散度和类间离散度并判断是否为最优；若是，则得到最优特征向量；若否，则更新所述极角段数p和所述极径段数q的值，返回S41。
[0033]优选的，所述分布熵H
c
计算公式如下：
[0034]H
c
＝
‑
P
j
log
c
P
j
；
[0035]其中，P...

【技术保护点】

【技术特征摘要】
1.一种基于极坐标分布熵优化的GIS局放模式识别方法，其特征在于，包括以下步骤：S1：通过试验仿真模拟GIS局部放电信号，利用光学集成传感器进行采集，并转化成光电PRPD图谱；S2：采用NSCT图像融合算法将所述光电PRPD图谱融合，得到光电融合PRPD图谱；S3：利用KAZE算法提取所述光电融合PRPD图谱的特征点，获取所述特征点的坐标信息与描述向量，所述描述向量包含所述特征点的尺度信息；S4：将包含坐标信息与尺度信息的所述特征点发散至极坐标中，对所述极坐标上划分的每一子区域分别进行分布熵计算，构成特征向量，并选取最优特征向量；S5：将所述最优特征向量输入Adaboost
‑
LSTM网络模型进行局部放电模式识别。2.根据权利要求1所述的一种基于极坐标分布熵优化的GIS局放模式识别方法，其特征在于，所述光电PRPD图谱包括光学PRPD图谱和特高频PRPD图谱；所述光学集成传感器中集成有光学传感器和特高频传感器，分别将所述GIS局部放电信号转化为所述光学PRPD图谱和所述特高频PRPD图谱。3.根据权利要求2所述的一种基于极坐标分布熵优化的GIS局放模式识别方法，其特征在于，所述S2包括：S21：分别对所述光学PRPD图谱和所述特高频PRPD图谱进行多尺度分解，得到各个层次的高频子带图和低频子带图；对所述高频子带图进行多方向分解，最终分别得到所述光学PRPD图谱和所述特高频PRPD图谱的低频子带系数和多个不同方向的高频子带系数；S22：根据所述低频子带系数求平均，所述高频子带系数取大的融合规则，将所述光电PRPD图谱和所述特高频PRPD图谱在各个尺度与方向分别融合，得到光电融合子图；S23：对所述光电融合子图进行NSCT逆变换得到光电融合PRPD图谱。4.根据权利要求1所述的一种基于极坐标分布熵优化的GIS局放模式识别方法，其特征在于，所述S3包括：S31：基于原图，利用加性算子分裂算法与可变的传导扩散方法构建非线性尺度空间；S32：在所述非线性尺度空间的不同尺度中，将任一点分别与邻域内各点比较，寻找归一化后的Hessian矩阵极大值点作为特征点；利用泰勒展开拟合求解所述特征点的位置坐标；S33：根据所述特征点邻域确认所述特征点的主方向，使用M
‑
SURF算法为每一个所述特征点构建描述向量。5.根据权利要求4所述的一种基于极坐标分布熵优化的GIS局放模式识别方法，其特征在于，所述S33中使用M
‑
SURF算法为每一个所述特征点构建描述向量，包括：S331：对尺度为s
i
的特征点，以其为中心，选取一个大小为24s
i
×
24s
...

【专利技术属性】
技术研发人员：孙炜昊，许永鹏，臧奕茗，李泽，李曜丞，严英杰，刘亚东，盛戈皞，江秀臣，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：