[发明专利]一种局部放电信号的缺陷识别方法及系统

说明书

本发明公开了一种局部放电信号的缺陷识别方法，其包括步骤：(1)获取表征若干种局部放电绝缘缺陷类型的局部放电信号的训练样本，基于训练样本提取其相位分辨脉冲序列数据，对相位分辨脉冲序列数据进行归一化处理；(2)通过归一化处理后的相位分辨脉冲序列数据对构建的稀疏自编码器模型进行训练，基于经过训练的稀疏自编码器模型得到降低维度的训练特征向量；(3)采用所述训练特征向量对极限学习机模型进行训练；(4)将待识别的局部放电信号输入经过训练的稀疏自编码器模型，以提取测试特征向量，将测试特征向量输入经过训练的极限学习机模型，以得到待识别局部放电信号表征的缺陷类型。本发明还公开了一种局部放电信号的缺陷识别系统。

技术领域

本发明涉及一种识别方法，尤其涉及一种用于缺陷识别的识别方法。

背景技术

高电压设备由于内部缺陷引起局部放电，从而引起故障，对电力系统的稳定运行造成威胁。因此，局部放电的研究对保障电力系统的安全具有重大知道意义。

而随着人工智能的发展，神经网络、支持向量机(SupportVectorMachine，SVM)、贝叶斯网络、决策树等广泛用于高压设备的故障诊断，尤其是对局部放电模式的识别。

然而，目前的模式识别方法仍存在较多不足，例如当样本较少时，某些模式识别方法不稳定，识别率不高，又例如当面对不均衡数据集(譬如故障样本数远远小于正常样本数)时，某些模式识别方法会出现分类界面偏移的问题。此外，目前的模式识别方法识别速度较慢，无法满足实际需要，使得现有的模式识别方法在实际应用过程中受到很大的限制。

基于此，期望获得一种缺陷识别方法，其可以克服现有技术的不足，对局部放电信号进行有效及时的缺陷识别，从而有效获取设备的绝缘状况，及时消除隐患，避免重大事故的发生，对设备安全维护具有重大指导意义。

发明内容

本发明的目的之一在于提供一种局部放电信号的缺陷识别方法，该局部放电信号的缺陷识别方法可以对局部放电信号进行及时有效的缺陷识别，并且其识别效果和性能均较之现有技术有所提升。

基于上述目的，本发明提出了一种局部放电信号的缺陷识别方法，其包括步骤：

(1)获取表征若干种局部放电绝缘缺陷类型的局部放电信号的训练样本，基于训练样本提取其相位分辨脉冲序列数据，对相位分辨脉冲序列数据进行归一化处理；

(2)通过归一化处理后的相位分辨脉冲序列数据对构建的稀疏自编码器模型进行训练，基于经过训练的稀疏自编码器模型得到降低维度的训练特征向量；

(3)采用所述训练特征向量对极限学习机模型进行训练；

(4)将待识别的局部放电信号输入经过训练的稀疏自编码器模型，以提取测试特征向量，将测试特征向量输入经过训练的极限学习机模型，以得到待识别局部放电信号表征的缺陷类型。

在本发明所述的局部放电信号的缺陷识别方法中，通过稀疏自编码器模型对训练样本施加稀疏性限制条件，从而对训练样本进行降维，获得降低维度的训练特征向量。将降低维度的训练特征向量对极限学习机模型进行训练，随后将训练好的极限学习机模型用于对局部放电信号进行缺陷识别，其过程为将待识别的局部放电信号输入经过训练的稀疏自编码器模型，以提取测试特征向量，将测试特征向量输入经过训练的极限学习机模型，以得到待识别局部放电信号表征的缺陷类型。由于现有技术存在反复的迭代，从而增加了算法时间，使得其在进行缺陷类型的识别过程中出现计算时间较长、识别速度较慢的问题，而对于本发明所述的缺陷识别方法而言，其采用了极限学习机模型对待识别的局部放电信号进行缺陷识别，极限学习机模型具有学习过程一次完成，无需迭代的优点，因而，本发明所述的缺陷识别方法可以达到较快的缺陷识别速度。

由此可以看出，本案的部放电信号的缺陷识别方法，可以针对不同缺陷类型的局部放电信号进行有效的缺陷识别，并且其识别率较高，速度较快，具有更优的识别性能，克服了现有技术所存在的不足。