[发明专利]一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法

权利要求书

1.一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法，其特征在于，所述方法包括：

通过局部放电试验平台在线采集局放信号，即在完整的电缆附件上人工设计和制作特定类型的绝缘故障，将电缆与高压试验平台连接，在通电条件下使用超高频电流传感器在线采集局放信号，同时使用示波器不间断保存一定长度的局放信号作为分析对象。

2.对权利要求1所得的局放信号进行归一化处理后，利用相空间重构进行等价变化，提取几何特征和混沌特征：

1)相空间重构

对于给定的一维时间序列，有

x(i)＝x(t₀+iΔt) (1)

式(1)中，j＝1,2,…,M，t₀代表系统采样的起始时间，Δt代表采样间隔，N为数据长度；

进行相空间重构后可表示为：

式(2)中，τ为延迟时间，m为嵌入维数；

①互信息法

互信息法选取表述一个时间序列相继点之间一般依赖关系的互信息函数的第一个局部极小值点所对应的时间作为延迟时间τ；

设信号S＝{x(i)}经延迟后为信号Q＝{x(i+τ)}，则信号S和Q的互信息I(S,Q)为：

I(S,Q)＝H(S)+H(Q)-H(S,Q) (3)

式(6)中：i＝1,2,…,N，j＝1,2,…,M，s_i、q_j分别为信号S在i处、信号Q在j处的值，P_s(s_i)、P_q(q_j)分别为s_i在信号S、q_j在信号Q中出现的概率，P_sq(s_i,q_j)为s_i、q_j同时分别出现在信号S、Q中的概率，H(S)、H(Q)分别为信号S、Q的信息熵，H(S,Q)为信号S、Q的联合信息熵；

②Cao算法

在相空间中，设X_i的最邻近相点X_j，当嵌入维数为m时，采用无穷范数的形式定义欧氏距离：

同理，当嵌入维数为m+1时，两相点间的欧氏距离为：

定义：

当嵌入维数m不断变大时，E₁(m)会逐渐趋于稳定，达到饱和状态时的m即为最佳嵌入维数；

2)几何特征和混沌特征提取

①几何特征

本文随机选取一个局放信号进行无局放处理并进行相空间重构，采用一种求取相空间中所有故障相点与非故障相点的平均几何距离的方法作为多维空间坐标下局放模式识别的几何特征，该特征在一定程度上反映相点在相空间内的分布特性，当电缆附件无绝缘故障时，特征值保持稳定；一旦该值出现波动，则说明电缆附件绝缘出现异常，计算如下：

在重构的多维空间中选取一个坐标作为超球的球心R_c，其坐标为则

式(12)中：为一维时间序列{x(i)}的均值，N为采样点数，定义相空间吸引子半径为：

为求取故障相点与非故障相点的平均几何距离，在非故障相点形成的区域V内均匀选择L个点，设m维超球面上的点的直角坐标系为(x₁,x₂,…,x_m)，超球体半径为r，角坐标为则空间坐标与直角坐标之间的变换公式为：

为使在超球体内均匀取点，现将r的值取为r/6，r/3，…，r，的值取为计算平均几何距离：

为使求取的特征具有可比性，将平均几何距离R_m与吸引子半径R_a的比值作为几何特征，取该几何特征为点分布因数(Phase Point Distribution Coefficient，PPDC)则：

PPDC＝R_m/R_a (16)

②混沌特征

PD信号具有混沌特性，本文通过相空间重构对局放信号等价转换，提取混沌特征，本文选取关联维数、最大Lyapunov指数、Kolmogorow熵表征PD信号的混沌特性。