[发明专利]一种基于SLLE的电缆附件局部放电模式识别方法

权利要求书

1.一种基于SLLE的电缆附件局部放电模式识别方法，步骤包括：

步骤S1：在线采集局部放电信号；

步骤S2：提取局部放电信号中的特征值；

步骤S3：利用监督的局部线性嵌入算法对特征值进行降低维度处理；

步骤S4：采用BP神经网络或支持向量机分类器进行放电模式识别；

步骤S2中所述特征值，包括灰度图谱的矩特征参数和相位分析图谱的统计特征参数；

所述灰度图谱的矩特征参数，包括：区域的灰度质量、水平轴的惯性矩、垂直轴的惯性矩、水平轴的不对称性、垂直轴的不对称性、主轴方向特征参数；

所述相位分析图谱的统计特征参数包括：偏差、偏斜度、陡峭度、局部峰点数、放电量因素、相位不对称度、互相关系数、修正的互相关系数、均值；

所述利用监督的局部线性嵌入算法对特征值进行降低维度处理，具体步骤为：

步骤S31：确定最佳分类结果下的邻域数k；

步骤S32：构建邻域图；

步骤S33：加入样本类别信息；

步骤S34：计算原始数据近邻间的权值矩阵；

步骤S35：在已做降维处理的空间中，重构原始数据点；

步骤S31所述确定最佳分类结果下的邻域数k，判断依据为分类效果综合值，公式为：

其中，L_W是总的样本类内离散度矩阵，L_B样本类间离散度矩阵，当V值最大时，得到的一组参数的个数，为最佳分类结果的邻域数k；

所述总的样本类内离散度矩阵，计算公式为：

其中，L_W是总的样本类内离散度矩阵，N为样本总数，C为样本类型总数，为其中一个样本类型的类内离散度矩阵，n_j是其中一个样本类型的特征向量数；

所述样本类间离散度矩阵，计算公式为：

其中，L_B是样本类间离散度矩阵，m_j是其中一个样本类型的类内特征向量的均值矢量，m是降维后得到的全部特征向量的均值矢量，N为样本总数，C为样本类型总数；

步骤S35中低维空间中重构原始数据点，计算公式为：

其中，Y是首次降维后的特征向量，M是最终的降维特征向量，M＝(I-W)^T(I-W)，W是权值矩阵，I为单位矩阵，若降维后的维数为d，则M中第2维到第d+1维对应的特征向量构成的空间即为高维数据降维后在d维空间的低维结果。

2.如权利要求1所述的一种基于SLLE的电缆附件局部放电模式识别方法，其特征在于，步骤33所述加入样本类别信息，是指添加距离修正项，修正欧氏距离的过程，计算公式为：

D'_i,j＝D_i,j+αmax(D_i,j)Δ_i,j

其中：

公式中，D'_i,j是修正后的欧式距离，D_i,j是原始欧式距离，max(D_i,j)是样本类间的最大距离，α∈(0，1)表示监督的程度。