[发明专利]基于朴素贝叶斯分类的局部放电诊断方法

说明书

技术领域

本发明涉及自动化控制技术领域，尤其涉及一种基于朴素贝叶斯分类的局部放电诊断方法。

背景技术

局部放电是指因为电场不均匀，高压设备绝缘的局部区域发生的发电。由于局部放电具有重复性，虽然短时间内不会影响设备的正常运行但时间长了会形成电树枝，最终导致绝缘击穿。因为局部放电伴随有脉冲电波，超声波，电磁波，化学反应和发光，所以相应的局部放电检测的方法有传统的局放测量，超声波检测法，UHF检测法，化学法和光测法。

针对局部放电信号的采集和识别问题，国内外许多学者进行了深入研究。文献《基于神经网络GIS局部放电模式的识别》在全封闭气体绝缘开关设备上采集放电指纹数据，并提取出12种特征，利用复合神经网络来提高局部放电识别率；文献《基于主成分分析和概率神经网络的变压器局部放电模式识别》提出利用主成分分析的方法对变压器局部放电原始特征参数进行降维，并提取出新的主成分因子，通过概率神经网络分类器对降维前和降维后的特征向量进行训练和识别；文献《基于SVM算法的局部放电模式识别》利用超声波法提取局部放电信号，得到局放分布图谱，获得局部特征参数，通过支持向量机分类算法对典型缺陷信号进行模式识别。

这些文献针对局部放电诊断问题提出了很好的研究思路和解决策略，但较少涉及现场问题的建模和应用。现有的针对局部放电故障诊断的技术大部分是提出一种分类算法来解决局部放电类型的分类，没有一个放电信号接收，特征提取，数据离散化和分类算法分类的整体模型。针对局部放电故障诊断问题，信号的接收和数据的处理对分类器的分类有很大的影响,并且缺乏整体的指导,对诊断结果会有一定的影响。

发明内容

本发明的目的就是为了解决上述技术问题，提供了基于朴素贝叶斯分类的局部放电诊断方法，该方法利用基于电磁波的UHF检测法提取局部放电信号，得到局部放电图谱，进而进行特征提取，最终通过朴素贝叶斯分类算法进行模式识别与故障诊断。

为了实现上述目的，本发明采用如下技术方案：

一种基于朴素贝叶斯分类的局部放电诊断方法，包括以下步骤：

(1)局部放电信号经UHF传感器和高频传输电缆，进入信号调理单元，被高频滤波、放大、检波后通过多路信号传输电缆传输到高速数据采集单元进行数据采集，然后对采集的信号进行抗干扰处理；

(2)将处理后的信号转存为一个二维数组，所述数组有三列，分别为相位区间、幅值区间和次数，所述数组的三列分别对应三维图的XYZ轴，得到PRPS图谱；根据PRPS图谱分别得到PRPD图谱、N-P图谱和Q-P图谱；

(3)分别在所述PRPD图谱、N-P图谱和Q-P图谱上进行特征提取；

(4)利用等宽离散化方法或者等频率离散化方法对特征提取后的数据进行离散化；

(5)利用朴素贝叶斯进行局部放电模式识别。

所述步骤(2)中根据三维图谱分别得到PRPD图谱、N-P图谱和Q-P图谱的方法为：

定义一个三维数组存放PRPS数据，即PRPS[i][j][k]；其中，k坐标为放电相位，取值范围为0～99；j坐标为放电强度，按照dB值或者百分比处理，取值范围为0～99；i坐标为放电周波序号，取值范围为1～50；

将PRPS每个i坐标累加即得PRPD图谱，其计算公式为：

PRPD[j][k]=Σi=150PRPS[i][j][k],]]>

将PRPD每个j坐标累加即得N-P图谱，其计算公式为：