【技术实现步骤摘要】
本专利技术涉及局部放电，尤其涉及一种基于sa-svm的局部放电模式识别方法和主机。
技术介绍
1、在核电厂中存在大量高功率的用电设备(如变压器等)，而局部放电(简称局放)现象是影响这些用电设备正常运行的重要因素之一，因此会针对用电设备产生局部放电现象的原因进行分析，为消除局部放电现象提供有效意见。
2、在相关技术中，一些局部放电监测系统或工具存在检测准确率低、灵敏度低、自适应能力差、占用内存空间大等缺陷，且缺乏因绝缘缺陷而引起局部放电的概率分析。
技术实现思路
1、本专利技术要解决的技术问题在于，提供一种基于sa-svm的局部放电模式识别方法和主机。
2、本专利技术解决其技术问题所采用的技术方案是：构造一种基于sa-svm的局部放电模式识别方法，包括：
3、s10、获取分别与x种绝缘缺陷模式对应的x种pd信号样本；其中，每种绝缘缺陷模式分别对应多个所述pd信号样本，x为自然数；
4、s20、对每个所述pd信号样本分别进行预处理，以得到与各种绝缘缺陷模式一一对应的多种训练样本数据；
5、s30、通过模拟退火算法对支持向量机训练算法进行优化；
6、s40、通过优化后的支持向量机训练算法分别对各种所述训练样本数据进行训练，以得到与其中x-1种所述绝缘缺陷模式一一对应的x-1种分类模型；
7、s50、获取待识别特征数据，并通过所述x-1种分类模型识别出所述待识别特征数据所属的局部放电模式。
8、
9、所述预处理包括：
10、根据pd信号样本和第一预设公式计算出与该pd信号样本对应的所述超高频累积能量；
11、根据该pd信号样本和第二预设公式计算出与该pd信号样本对应的所述表观放电量。
12、优选地，在所述s20中，所述第一预设公式的表达式为：
13、
14、其中，w表示为所述超高频累积能量；δt表示为预设时间间隔；rl表示为采集所述pd信号样本时对应设置的匹配阻抗；un表示为第n个试样源电压；
15、所述第二预设公式的表达式为：
16、q＝h×kc；
17、其中，q表示为所述表观放电量；h表示为所述pd信号样本的脉冲电流信号的幅值；kc表示为比例系数。
18、优选地，所述pd信号样本包括特高频波形信号和脉冲电流信号；
19、所述局部放电模式识别方法还包括：
20、s01、对多个预设绝缘缺陷模型分别进行：基于脉冲电流法向该预设绝缘缺陷模型输入源电压使该预设绝缘缺陷模型发生局部放电，并采集该预设绝缘缺陷模型在局部放电过程中的特高频波形信号和脉冲电流信号；
21、其中，所述多个预设绝缘缺陷模型中包括x种类型的预设绝缘缺陷模型，且每种所述预设绝缘缺陷模型的数量至少为1个。
22、优选地，x等于4，且所述x种绝缘缺陷模式包括针状缺陷、颗粒缺陷、金属缺陷和间隙缺陷。
23、优选地，所述模拟退火算法中的罚因子表示为：
24、c＝2p′；其中，c表示为通过所述模拟退火算法优化后得到的罚因子，p′表示为基于所述模拟退火算法的目标函数确定的第一最优系数；
25、所述模拟退火算法中的核函数参数表示为：
26、σ＝2p″；其中，σ表示为通过所述模拟退火算法优化后得到的核函数参数，p″表示为基于所述模拟退火算法的目标函数确定的第二最优系数。
27、优选地，在所述s30中，所述模拟退火算法的更新函数表示为：
28、
29、其中，pk+1表示为第k+1次迭代的解；pk表示为第k次迭代的解；k表示为迭代次数；randn(2,1)表示为随机数生成函数；t表示为温度参数；α表示为第一预设系数。
30、优选地，在所述s30中，还包括：
31、通过慢更新步长函数或者快更新步长函数对所述温度参数进行更新；
32、所述慢更新步长函数表示为：t1＝t0/in(k)；
33、所述快更新步长函数表示为：t2＝t0×0.95k；其中，t0表示为初始温度参数；k表示为迭代次数。
34、本专利技术还构造了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，在所述计算机程序被处理器执行时，执行以上所述的基于sa-svm的局部放电模式识别方法。
35、本专利技术还构造了一种主机，包括处理器，所述处理器在执行所存储的计算机程序时实现以上所述的基于sa-svm的局部放电模式识别方法的步骤。
36、实施本专利技术的技术方案，首先获取分别与x种绝缘缺陷模式对应的x种pd信号样本；然后通过对各个pd信号样本进行预处理，得到与各种绝缘缺陷模式一一对应的多种训练样本数据；然后通过模拟退火算法对支持向量机训练算法进行优化，继而通过优化后的支持向量机训练算法分别对各种训练样本数据进行训练，以得到与其中x-1种绝缘缺陷模式一一对应的x-1种分类模型；最后，通过x-1种分类模型识别出待识别特征数据所属的局部放电模式；实施本专利技术可以高效且准确地识别出局放故障设备的绝缘故障模式，能有效提高工作人员对局放故障设备的维修效率，对核电厂的安全性提高、设备维修工期缩短均起到积极作用。
本文档来自技高网...【技术保护点】
1.一种基于SA-SVM的局部放电模式识别方法，其特征在于，包括：
2.根据权利要求1所述的基于SA-SVM的局部放电模式识别方法，其特征在于，在所述S20中，每种所述训练样本数据分别包括多个子训练样本数据；每个所述子训练样本数据包括超高频累积能量和表观放电量；
3.根据权利要求2所述的基于SA-SVM的局部放电模式识别方法，其特征在于，在所述S20中，所述第一预设公式的表达式为：
4.根据权利要求3所述的基于SA-SVM的局部放电模式识别方法，其特征在于，所述PD信号样本包括特高频波形信号和脉冲电流信号；
5.根据权利要求4所述的基于SA-SVM的局部放电模式识别方法，其特征在于，X等于4，且所述X种绝缘缺陷模式包括针状缺陷、颗粒缺陷、金属缺陷和间隙缺陷。
6.根据权利要求3所述的基于SA-SVM的局部放电模式识别方法，其特征在于，所述模拟退火算法中的罚因子表示为：
7.根据权利要求1至6任一项所述的基于SA-SVM的局部放电模式识别方法，其特征在于，在所述S30中，所述模拟退火算法的更新函数表示为：>
8.根据权利要求7所述的基于SA-SVM的局部放电模式识别方法，其特征在于，在所述S30中，还包括：
9.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，在所述计算机程序被处理器执行时，执行权利要求1至8中任一项所述的基于SA-SVM的局部放电模式识别方法。
10.一种主机，包括处理器，其特征在于，所述处理器在执行所存储的计算机程序时实现权利要求1至8任一项所述的基于SA-SVM的局部放电模式识别方法的步骤。
...【技术特征摘要】
1.一种基于sa-svm的局部放电模式识别方法，其特征在于，包括：
2.根据权利要求1所述的基于sa-svm的局部放电模式识别方法，其特征在于，在所述s20中，每种所述训练样本数据分别包括多个子训练样本数据；每个所述子训练样本数据包括超高频累积能量和表观放电量；
3.根据权利要求2所述的基于sa-svm的局部放电模式识别方法，其特征在于，在所述s20中，所述第一预设公式的表达式为：
4.根据权利要求3所述的基于sa-svm的局部放电模式识别方法，其特征在于，所述pd信号样本包括特高频波形信号和脉冲电流信号；
5.根据权利要求4所述的基于sa-svm的局部放电模式识别方法，其特征在于，x等于4，且所述x种绝缘缺陷模式包括针状缺陷、颗粒缺陷、金属缺陷和间隙缺陷。
6....
【专利技术属性】
技术研发人员：陈裕深，史政林，郭玉庆，张维，庄宏伟，韦玉榜，何军，张鹏慧，冯光明，杨沛文，
申请(专利权)人：广西防城港核电有限公司，
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。