[发明专利]一种用于识别电缆局部放电信号的信号类型的方法及系统

说明书

本发明公开了一种用于识别电缆局部放电信号的信号类型的方法及系统，包括：对获取的电缆局部放电信号进行去噪处理，获取经过去噪处理的电缆局部放电信号；对所述经过去噪处理的电缆局部放电信号进行优化处理以获取样本数据集；将所述训练数据集送入支持向量机SVM学习模型中进行训练学习，并利用粒子群优化算法PSO对SVM模型的参数进行优化以获取最优参数，确定最优参数对应的SVM信号类型识别模型；利用所述最优参数对应的SVM信号类型识别模型对待测的电缆局部信号的信号类型进行识别，确定识别结果。本发明能够批量的对电缆局部放电信号数据进行识别，相比于人工识别能够极大地提高工作效率，同时，相比于人工识别能够极大地提高识别准确率。

技术领域

本发明涉及高压设备局部放电检测技术领域，并且更具体地，涉及一种用于识别电缆局部放电信号的信号类型的方法及系统。

背景技术

局部放电信号的在线检测过程中，各高压设备均处于带电运行状态，这对电缆局部放电信号的检测会造成很大的背景干扰，检测到的放电脉冲可能来源于电缆本体、电缆终端头，或来自与其连接的其他设备(如开关柜等)。由于不同来源的电缆局部放电信号对设备的影响不同，其判断标准也有所不同，传统的人工识别方法存在耗时耗力，识别准确率等问题。

因此，需要一种电缆局部放电信号的信号类型的在线自动识别方法。

发明内容

本发明提出一种用于识别电缆局部放电信号的信号类型的方法及系统，以解决如何在线识别电缆局部放电信号的信号类型的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种用于识别电缆局部放电信号的信号类型的方法，其特征在于，所述方法包括：

对获取的电缆局部放电信号进行去噪处理，获取经过去噪处理的电缆局部放电信号；

对所述经过去噪处理的电缆局部放电信号进行优化处理以获取样本数据集，其中所述样本数据集包括：训练数据集和测试数据集；

将所述训练数据集送入支持向量机SVM学习模型中进行训练学习，并利用粒子群优化算法PSO对SVM模型的参数进行优化以获取最优参数，确定最优参数对应的SVM信号类型识别模型，其中所述参数包括:惩罚因子和高斯核带宽；

利用所述最优参数对应的SVM信号类型识别模型对待测的电缆局部信号的信号类型进行识别，确定识别结果。

优选地，其中所述获取的电缆局部放电信号通过信号采集设备进行采集。

优选地，其中所述对获取的电缆局部放电信号进行去噪处理，获取经过去噪处理的电缆局部放电信号，包括：

利用小波包变换方法将获取的电缆局部放电信号进行分解，获取近似分量和细节分量，其中，高斯白噪声信号集中表现在细节分量上；

对所述细节分量进行阈值处理，设置系数小于预设阈值的小波的系数为0；

对所述近似分量和经过阈值处理后的细节分量进行小波包重构，获取经过去噪处理的电缆局部放电信号。

优选地，其中所述对所述经过去噪处理的电缆局部放电信号进行优化处理，包括：

对所述经过去噪处理的电缆局部放电信号进行归一化处理和主成份分析PCA降维处理。

优选地，其中所述利用粒子群优化算法PSO对SVM模型的参数进行优化以获取最优参数，确定最优参数对应的SVM信号类型识别模型，包括：