[发明专利]基于局部放电图像特征的交流电缆绝缘缺陷的识别方法

权利要求书

1.一种基于局部放电图像特征的交流电缆绝缘缺陷的识别方法，其特征在于，包括步骤：

(1)获取XLPE交流电缆的若干种绝缘缺陷放电模型；

(2)向各种绝缘缺陷放电模型施加电压，以采集其局部放电信号，形成各自的信号图，其中表征工频相位，Q表征放电量，n表征平面被划分成若干个小区间中的每个小区间内发生的局部放电次数；

(3)将信号图进行小波变换，得到若干子图，提取各子图的能量熵值分布图；

(4)基于能量熵值分布图，选取能量占比最多的两个子图作为特征提取对象，提取特征提取对象的下述各项特征：(a)颜色特征；(b)纹理特征；(c)形状特征；以及(d)颜色特征、纹理特征和形状特征的综合特征；

(5)将上述各特征的其中之一输入分类器中进行训练和测试；

(6)将待识别局部放电信号输入经过训练和测试的分类器中，以从分类器的输出获得识别结果。

2.如权利要求1所述的识别方法，其特征在于，所述绝缘缺陷放电 模型至少包括绝缘气隙放电模型、高压电晕放电模型、悬浮电极放电模型和沿面放电模型。

3.如权利要求1所述的识别方法，其特征在于，在步骤(2)中，采用高频电流耦合法采集局部放电信号。

4.如权利要求1所述的识别方法，其特征在于，在步骤(3)中，采用db3小波作为小波基对信号图进行分解以进行小波变换。

5.如权利要求4所述的识别方法，其特征在于，采用db3小波作为小波基对信号图进行分解的分解尺度为3。

6.如权利要求1所述的识别方法，其特征在于，当提取颜色特征时，所述颜色特征包括颜色聚合向量和改进的颜色聚合向量。

7.如权利要求1所述的识别方法，其特征在于，在步骤(5)中，当提取形状特征时，所述形状特征包括Hu不变矩和Zernike矩。

8.如权利要求1所述的识别方法，其特征在于，当提取纹理特征时，所述纹理特征包括Tamura纹理特征的分量和灰度-梯度共生矩阵的分量。

9.如权利要求1所述的识别方法，其特征在于，所述分类器为反向传播神经网络分类器、K近邻法分类器、决策树分类器和支持向量机分类器的其中之一。

10.如权利要求1-9中任意一项所述的识别方法，其特征在于，在步骤(4)中至少提取颜色特征；在步骤(5)中，将颜色特征输入到支持向量机分类器中进行训练和检验。