[发明专利]一种基于光声光谱信息的气体绝缘组合电器绝缘故障识别方法

摘要

本发明属于气体绝缘组合电器的在线监测及故障诊断领域，具体涉及一种基于光声光谱信息的气体绝缘组合电器绝缘故障识别方法。首先，基于光声光谱检测组分信息构建故障特征原始集，然后，基于最大相关最小冗余准则进行故障特征优选，最后，基于支持向量机,识别绝缘故障类型；本发明提供了一种基于光声光谱信息的气体绝缘组合电器绝缘故障识别方法，完善了基于光声光谱信息的SF6气体绝缘电气设备故障诊断理论，为光声光谱技术在气体绝缘状态故障诊断及状态评估领域的推广应用奠定了基础。

主权项

一种基于光声光谱信息的气体绝缘组合电器绝缘故障识别方法，其特征在于，包括：步骤1，基于光声光谱检测组分信息构建故障特征原始集，具体是：定义所能获取的SF6设备故障特征监测组分分别为G1、G2、G3、G4……Gn气体单位：μL/L，基于变压器设备故障诊断技术的故障特征构建方法，选取原始特征量、原始特征量的比值、原始特征量组合后进行特征比值的方式，从而形成本发明构建的SF6故障全故障原始特征量集合F；步骤2，基于最大相关最小冗余准则进行故障特征优选，具体是：在构建的原始特征全集的基础之上，引入最大相关最小冗余的特征优选规则，构建最优的故障识别特征集；最大相关最小冗余的准则主要是通过计算特征与故障类别之间的相关性，获取最大的相关性衡量信息，此外计算特征与特征之间的冗余性，获取最小的冗余性衡量信息，最终进一步平衡最大相关于最小冗余信息，从而搜索出最优的故障识别特征量集；步骤3，基于支持向量机,识别绝缘故障类型，具体是在数据组成的特征空间中，考虑寻找一个超平面，使得不同类别的训练样本正好位于超平面的两侧；SVM算法在PD模式识别的大量应用证明了该算法的优越性能，本发明直接选用SVM作为故障类型识别的分类器。