[发明专利]一种基于行波时频特性的输电线路隐患放电类型辨识方法

权利要求书

1.一种基于行波时频特性的输电线路隐患放电类型辨识方法，它包括：

步骤S1，将一次隐患放电行波波形数组a[n]滤除白噪声干扰，得到处理后的波形数组x[n]；

步骤S2，通过处理后的波形数组x[n]构造特征数组w₁[n]、w₂[n]、w₃[n]和w₄[n]；

构造特征数组w₁[n]的方法包括：

S21、将x[n]进行快速傅里叶变换；

S22、求取变换后的数组模值的平方，得到数组w₁[n]；

构造特征数组w₂[n]的方法包括：

将x[n]各元素分别求平方，得到数组w₂[n]；

构造特征数组w₃[n]的方法包括：

式中i＝1、2……n；

构造特征数组w₄[n]的方法包括：

求取数组x[n]斜率，计算公式为：

w₄[i]＝(x[i+1]-x[i])×f_s；

式中i＝1、2……n-1；f_s为采样频率，单位：Hz；

进一步计算得到

步骤S3，将特征数组w₁[n]、w₂[n]、w₃[n]和w₄[n]归一化；

步骤S4，按向量维数p将归一化后的数组w₁[n]、w₂[n]、w₃[n]和w₄[n]各分成p块，并对每一块内求和，得到p*4个特征参量；

步骤S5，构建BP神经网络，对于每一种隐患类型，按照步骤S1-S4所述方法各提取一组以上p*4个特征参量；将一组以上特征参量输入到BP神经网络进行训练，得到神经网络中间权重矩阵参数v(i,h)和v(h,f)；i，h和f分别为神经网络输入层，隐含层和输出层神经元个数；

步骤S6，将未知类型的检验样本按照步骤S1-S4所述方法得到特征参量后，输入训练后的BP神经网络，通过权重矩阵映射得到隐含层输出结果和输出层输出结果，通过输出层输出与预设期望结果进行对比，判断该隐患放电类型判断隐患放电类型。

2.根据权利要求1所述的一种基于行波时频特性的输电线路隐患放电类型辨识方法，其特征在于，步骤S1所述处理后的波形数组x[n]的方法包括：

S11、求取数组a[n]平均值μ，标准差δ；

S12、对数组a[n]中所有元素进行判断，若满足公式：|a[i]-μ|＜k×δ，则将该a[i]元素置零，x[i]＝a[i]；

式中i＝1、2……n；

k为一正整数，取值范围[3,10]。

3.根据权利要求1所述的一种基于行波时频特性的输电线路隐患放电类型辨识方法，其特征在于，步骤S3所述归一化方法包括：

找到数组w_i[n]中最大值，然后将w_i[n]中各元素除以该最大值，得到归一化后数组w_i[n]，式中i＝1、2、3、4。

4.根据权利要求1所述的一种基于行波时频特性的输电线路隐患放电类型辨识方法，其特征在于，步骤S4中所述p为一正整数，p的取值范围为[3,20]。

5.根据权利要求1所述的一种基于行波时频特性的输电线路隐患放电类型辨识方法，其特征在于，步骤S6中所述包括：

神经网络隐含层输出表达式为：

神经网络输出层输出表达式为：

式中f(x)为隐含层激励函数，使用sigmoid函数，表达式为：x_n是神经网络输入量p*4个特征参量，v(i,h)和v(h,f)是神经网络中间权重矩阵参数；v_nh、v_nf为神经网络中间权重矩阵中的第v_nh和v_nf个参数。