[发明专利]基于支持向量机识别六氟化硫局部放电特性的绝缘缺陷

说明书

技术领域

本发明涉及支持向量机技术领域，特别是一种基于支持向量机识别六氟化硫局部放电特性的绝缘缺陷。

背景技术

六氟化硫(SF₆)气体由于其优良的绝缘和灭弧性能而广泛应用于气体绝缘设备中。然而，SF₆气体绝缘设备(简称SF₆电气设备，如气体绝缘组合电器GIS、气体绝缘断路器GCB、气体绝缘变压器GIT以及气体绝缘线路或管道GIL等)在制造、运输、安装、检修和运行等过程中，内部不可避免地会出现各种绝缘缺陷，如导体上的金属毛刺、部件松动或接触不良、导体与支撑绝缘子剥离形成的气隙、检修后的遗留物以及腔体内的金属微粒等，这些都会使SF₆设备内部形成不同程度的绝缘缺陷，从而导致设备内部电场发生畸变，进而产生局部放电(PD)。

当出现严重的PD时，一方面，PD会加快对设备内部绝缘的进一步破坏，最终导致绝缘故障造成停电事故，对运行中的SF₆设备是一种潜在的隐患，有绝缘“肿瘤”之称；另一方面，PD又是有效表征绝缘状况的特征量，通过对SF₆电气设备的PD进行检测并进行模式识别，可以在很大程度上发现SF₆设备内部存在的绝缘缺陷及类型。因此，识别绝缘缺陷的产生对保证SF₆电气设备安全可靠运行具有重要的现实意义。

发明内容

有鉴于现有技术的上述缺陷，本发明的目的就是提供一种基于支持向量机识别六氟化硫局部放电特性的绝缘缺陷，保证SF₆设备的安全可靠运行，提高其对各类缺陷的区分度，可以提高对绝缘故障的处理效率。

本发明的目的是通过这样的技术方案实现的，一种基于支持向量机识别六氟化硫局部放电特性的绝缘缺陷，它包括有：所述绝缘缺陷的识别过程如下：

S1：构造支持向量机分类器；

S2：对支持向量机的参数进行优化；

S3：获取六氟化硫的分解数据；

S4：支持向量机对六氟化硫的分解数据进行识别。

进一步，步骤S1中支持向量机分类器的构造过程如下：

S11：假定样本集为其中，x_i∈Rⁿ为输入向量，N表示样本个数，y_i∈{±1}为类标号，则输入向量在高维空间F中对应的向量为φ(x)；

S12：在F空间中构造超平面f(x)＝(w·φ(x))+b，其中w为超平面的法向量，b为偏移量；

S13：存在一个超平面，使得两类样本间隔最大，这个超平面称为最优分类面，此时w＝w^*,b＝b^*。

进一步，S14：求解步骤S13的最优分类面f(x)＝(w^*·φ(x))+b^*的问题可转化为：

其中，ξ_i为松弛因子，C>0称为惩罚因子，上述最优分类面求解问题为具有线性约束的二次规划问题，求解后的表达式如下：

s.t.α_i≥0,β_i≥0(4)

其中α_i，β_i为拉格朗日乘子。

进一步，S15：将步骤S14转化为对偶问题可得：

由式(5)和式(6)求出α_i以及其中，K(x_i,x_j)＝φ(x_i)·φ(x_j)，称为核函数。

进一步，S16：步骤S15中的核函数采用高斯径向基核，其表达式为：

S17：由KKT条件可以得到式(8)，从中可以求得b^*；

S18：最终可以求得最优分类面f(x)＝(w^*·φ(x))+b^*，根据最优分类面可以得到分类判别函数为：

进一步，步骤S1中支持向量机的分类器构造还包括：

S101：如果样本有k类，则构造k(k-1)/2个分类器；

S102：当对样本进行分类时，将样本同时输入这k(k-1)/2个分类器:；

S103：统计分类结果，将结果中得票最多类别作为样本所属的类。