[发明专利]局部放电识别方法和系统

说明书

技术领域

本发明涉及局部放电技术领域，特别是涉及一种局部放电识别方法，以及一种局部放电识别系统。

背景技术

局部放电主要是变压器、互感器以及其它一些高压电气设备在高电压的作用下，其内部绝缘发生的放电。它是各种高压设备发生故障的主要原因之一。

随着我国电力事业的飞速发展和城乡电网建设、改造工作的不断深入，社会发展和进步对供电可靠性的要求也不断提高，如何及时掌握高压设备健康状态，制定正确的检修对策，避免因设备本身质量问题导致的突发性事故的发生，变得尤为重要。

目前国内外针对高压设备是否产生局部放电的研究方法主要有两种，第一种是把采集到的信号经处理后与某一经验阈值比较，高于此阈值则发生局部放电，这种基于单一特征参数识别方法虽然方便简洁，但局部放电的识别率较低。第二种是提取局部放电信号的多维特征参数，训练出是否局部放电的模型，运用支持向量机(SVM)的局放识别器对所采集的信号进行识别，该方法有效的提高了局部放电的识别率，但是SVM有个缺点：随着样本数目的增大，所需的计算时间和空间存储资源都会成几何级数增加，在识别大容量样本时，SVM局部放电识别器往往不能有效的工作。

发明内容

基于此，本发明提供一种局部放电识别方法，该方法利用主成分分析方法对数据进行预处理，降低样本空间的维数，在保证识别率的情况下大大提高了计算速度。

本发明的技术方案如下：

一种局部放电识别方法，包括如下步骤：

采集高压设备的音频信号，对所述音频信号进行时域分析和频域分析，提取信号特征；

利用主成分分析法对所述信号特征进行降维；

对降维后的所述信号特征进行分类识别，判断是否产生局部放电。

在其中一个实施例中，还包括对采集的所述音频信号进行预处理的步骤，其中，所述预处理包括前端处理、降噪和端点检测，所述前端处理包括预加重和加窗分帧。

在其中一个实施例中，所述信号特征包括：短时平均幅度、高过零率比、均方根值、美尔倒谱系数、子带能量比和信号带宽。

在其中一个实施例中，所述对所述信号特征进行降维为对所述美尔倒谱系数进行降维。

本发明的另一目的还在于提供能实现上述方法的局部放电识别系统。

一种局部放电识别系统，包括提取模块、降维模块、判断模块；

所述提取模块用于采集高压设备的音频信号，对所述音频信号进行时域分析和频域分析，提取信号特征；

所述降维模块用于利用主成分分析法对所述信号特征进行降维；

所述判断模块用于对降维后的所述信号特征进行分类识别，判断是否产生局部放电。

在其中一个实施例中，还包括预处理模块，用于对所述提取模块中采集的所述音频信号进行预处理；其中，所述预处理包括前端处理、降噪和端点检测，所述前端处理包括预加重和加窗分帧。

在其中一个实施例中，所述信号特征包括：短时平均幅度、高过零率比、均方根值、美尔倒谱系数、子带能量比和信号带宽。

在其中一个实施例中，所述降维模块中对所述信号特征进行降维为对所述美尔倒谱系数进行降维。

本发明针对现有SVM识别器技术识别大容量样本时的缺陷，先对采集的音频信号进行预处理消除数据的相关性和噪声干扰，通过时域分析和频域分析提取信号特征后，利用主成分分析法对信号特征进行降维，提取包含样本数据信息的主元，降低样本空间的维数，在局放识别率基本不变的前提下，提高了局放识别速率，大大地简化计算和节约资源空间。

附图说明

图1为本发明局部放电识别方法在一实施例中的流程示意图；

图2为本发明局部放电识别系统在一实施例中的结构框图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

如图1，是本发明局部放电识别方法在一实施例中的流程示意图，包括以下步骤：

S101、采集高压设备的音频信号，对所述音频信号进行时域分析和频域分析，提取信号特征；

对于S101、在一个优选的实施例中，还包括对采集的所述音频信号进行预处理的步骤；在本实施例中，可采集局部放电的音频信号进行预处理；利用超声波传感器采集到待测音频信号以后，经过降频处理，将得到的音频信号以1S为单位经过节选后以wav的格式存储，以用于接下来的信号预处理；本实施例中音频信号的抽样频率设置为40千赫兹。