[发明专利]基于多小波理论和支持向量机的铁磁谐振识别方法

说明书

本发明涉及基于多小波理论和支持向量机的铁磁谐振识别方法，包括：搭建铁磁谐振仿真模型，获取四种状态下的多电压数据；将故障电压信号离散化，获取故障电压数据；采用基于多小波函数的小波变换获取各频段下故障电压微分的模极大值；以故障电压各频段下的模极大值作为输入量，采用改进BP神经网络模型，得到小波自由参数；利用神经网络训练得到多小波自由参数，重新获取故障电压微分的模极大值；将最后得到的故障电压微分的模极大值作为故障特征量；运用遗传算法优化支持向量机的惩罚参数和高斯核函数；根据电压数据判断PT发生哪种类型的铁磁谐振；本发明能有效提高铁磁谐振故障检测的速度及准确性。

技术领域

本发明涉及铁磁谐振分析技术领域，尤其是基于多小波理论和支持向量机的铁磁谐振识别方法。

背景技术

目前，变电自动化装置具有大量的测量和控制设备，一般采用PT进行信号测量和操作电源，PT正常运行时负荷电流很小，二次侧相当于空载，但在实际现场使用过程中，由于电磁式PT绝缘距离较短、产品质量低劣或施工不当等问题，可能出现过热、开裂或爆炸等事故。

目前，已有的基于短时傅里叶变换等方法来提取铁磁谐振故障特征的方法对突变信号和非平稳信号的分析存在局限性，因此不能敏感地反映信号的突变。小波变换理论以其良好的局部化性质弥补了傅里叶变换分析局部时域信号的不足，但采用某一固定的小波基函数进行匹配是很难实现故障特征的准确提取，如果采用不恰当的基函数进行分解反而会不利于故障特征的提取，因此需要设计有效的铁磁谐振故障特征提取和识别的方法，提高铁磁谐振故障识别的有效性。

发明内容

本发明的目的是通过提出基于多小波理论和支持向量机的铁磁谐振识别方法，以解决上述背景技术中提出的缺陷。

本发明采用的技术方案如下：

基于多小波理论和支持向量机的铁磁谐振识别方法，包括如下步骤：

步骤一：搭建铁磁谐振仿真模型，通过改变线路参数，使PT发生不同种类的铁磁谐振，采集高频、基频、分频谐振和未发生谐振四种状态下的多电压数据；

步骤二：将故障电压信号离散化，获取故障电压数据；

步骤三：采用基于多小波函数的小波变换获取各频段下故障电压微分的模极大值；

步骤四：以故障电压各频段下的模极大值作为输入量，采用改进BP神经网络模型，得到小波自由参数；

步骤五：将利用神经网络训练得到的多小波自由参数代入到步骤三中，重新获取故障电压微分的模极大值；

步骤六：重复上述步骤三到步骤五，直至达到额定重复次数，将最后得到的故障电压微分的模极大值作为故障特征量；

步骤七：将故障电压微分的模极大值作为输入量，将高频、基频、分频谐振和未发生谐振四种状态作为输出量，运用遗传算法优化支持向量机的惩罚参数和高斯核函数；

步骤八：利用得到的基于多小波函数的小波变换和支持向量机，根据电压数据判断PT发生哪种类型的铁磁谐振。

进一步的，所述步骤三中，多小波基函数的获取方法步骤为：

(1)对初始小波进行两尺度相似变换，以获取更大自由度的小波基函数库，改善多小波变换的性能，基于两尺度相似变换理论，设计满足特定条件的参数化矩阵，获得更大自由度多小波基函数；

(2)令为正交多尺度函数，与之对应的正交多小波函数为ψ(t)＝[ψ₁(t),ψ₂(t),…,ψ_r(t)]^T，M+1重多尺度函数满足两尺度矩阵方程为：

式中，P_i为对应的两尺度低通滤波器实数矩阵。