[发明专利]基于EEMD与神经网络的变压器局部放电识别方法及系统

权利要求书

1.基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，包括：

获取变压器高频局放信号，并进行相应预处理；

利用集合经验模态分解方法，对预处理后的高频局放信号进行初始特征提取；

基于预先训练的神经网络模型及提取的初始特征，获得局部放电识别结果；其中，所述神经网络模型采用卷积神经网络与长短时记忆网络的结合，通过所述卷积神经网络从初始特征中提取局部局放特征，并通过所述长短时记忆网络从局部局放特征中提取整体局放特征。

2.如权利要求1所述的基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，所述对预处理后的高频局放信号进行初始特征提取，通过集合经验模态分解方法对预处理后的高频局放信号进行分解，选择高频局放信号的前3阶本征模态分量进行拼接，作为其初始特征。

3.如权利要求1所述的基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，所述利用集合经验模态分解方法，分解过程包括：

步骤(1)：在高频局放信号中加入正态分布的白噪声；

步骤(2)：对加入白噪声的信号进行经验模态分解，获得若干本征模函数分量；

步骤(3)：重复预设次数的步骤(1)至(2)，每次加入重新生成的白噪声序列；

步骤(4)：将每次获得的本征模函数分量进行总体平均验算。

4.如权利要求1所述的基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，所述卷积神经网络包括若干组顺序连接的卷积层、池化层及归一化层，最后经扁平层输出局部局放特征。

5.如权利要求1所述的基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，所述长短时记忆网络的输入为卷积神经网络的输出。

6.如权利要求1所述的基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，所述预处理操作具体为：对获取的变压器高频局放信号进行小波分解，获得低频分量和高频分量；通过阈值处理去除高频分量中的噪声，并将处理后的高频分量与低频分量进行重构。

7.如权利要求1所述的基于EEMD与神经网络的变压器局部放电识别方法，其特征在于，所述获取变压器高频局放信号，具体采用高频电流互感器进行变压器局放信号的检测。

8.一种基于EEMD与神经网络的变压器局部放电识别系统，其特征在于，包括：

数据获取单元，其用于获取变压器高频局放信号，并进行相应预处理；

初始特征提取单元，其用于利用集合经验模态分解方法，对预处理后的高频局放信号进行初始特征提取；

局部放电识别单元，其用于基于预先训练的神经网络模型及提取的初始特征，获得局部放电识别结果；其中，所述神经网络模型采用卷积神经网络与长短时记忆网络的结合，通过所述卷积神经网络从初始特征中提取局部局放特征，并通过所述长短时记忆网络从局部局放特征中提取整体局放特征。

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于EEMD与神经网络的变压器局部放电识别方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于EEMD与神经网络的变压器局部放电识别方法。