本發(fā)明涉及局部放電監(jiān)測(cè)，具體的，涉及一種局部放電診斷模型生成方法。

背景技術(shù)：

1、局部放電主要是高壓電氣設(shè)備在高電壓的作用下，其內(nèi)部絕緣發(fā)生的放電。它是各種高壓設(shè)備發(fā)生故障的主要原因之一。隨著對(duì)供電可靠性要求的提高，如何及時(shí)掌握高壓設(shè)備健康狀態(tài)，制定正確的檢修對(duì)策，避免因設(shè)備本身質(zhì)量問(wèn)題導(dǎo)致的突發(fā)性事故的發(fā)生，變得尤為重要。

2、現(xiàn)有的局部放電監(jiān)測(cè)方法主要包含有：脈沖電流監(jiān)測(cè)法、氣體監(jiān)測(cè)法、地電波監(jiān)測(cè)法、超高頻監(jiān)測(cè)法以及紅外熱成像監(jiān)測(cè)法。其中，地電波監(jiān)測(cè)法是將地電波采樣裝置安裝在設(shè)備外殼上的，而這對(duì)高壓電氣設(shè)備的運(yùn)行沒(méi)有任何影響，也不會(huì)受高壓電氣設(shè)備內(nèi)部復(fù)雜的電、磁、熱等干擾，便于對(duì)局部缺陷的準(zhǔn)確定位，因此地電波監(jiān)測(cè)法是現(xiàn)在局部放電監(jiān)測(cè)的優(yōu)秀方法，受到廣泛使用。

3、目前，針對(duì)高壓電氣設(shè)備地電波局放信號(hào)監(jiān)測(cè)和診斷的研究方法主要有兩種，第一種是把采集到的信號(hào)經(jīng)處理后與某一經(jīng)驗(yàn)閾值比較，高于此閾值則發(fā)生局放，這種基于單一特征參數(shù)識(shí)別方法雖然方便簡(jiǎn)潔，但局放的識(shí)別率較低；第二種是提取局放信號(hào)的多維特征參數(shù)，訓(xùn)練出局放的識(shí)別模型，運(yùn)用支持向量機(jī)(svm)的局放識(shí)別器對(duì)所采集的信號(hào)進(jìn)行識(shí)別，該方法有效的提高了局放的識(shí)別率，但是svm有個(gè)缺點(diǎn)：隨著樣本數(shù)目的增大，所需的計(jì)算時(shí)間和空間存儲(chǔ)資源都會(huì)成幾何級(jí)數(shù)增加，在識(shí)別大容量樣本時(shí)，svm局放識(shí)別器往往不能有效的工作。

4、傳統(tǒng)的局放絕緣故障診斷方法以神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等為主，但是因經(jīng)常缺少相位信息，其特征提取及模式識(shí)別技術(shù)主要基于施加電壓、放電量、放電時(shí)間間隔及其統(tǒng)計(jì)特征。傳統(tǒng)的糾錯(cuò)輸出編碼(ecoc，error－correcting?output?codes)分類(lèi)器應(yīng)用于高壓電氣設(shè)備絕緣故障診斷的準(zhǔn)確率不高。

5、因此，需要尋找更適合、更可靠的分類(lèi)器算法模型。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的是提供一種可提高信號(hào)模式識(shí)別準(zhǔn)確度的局部放電診斷模型生成方法。

2、為了實(shí)現(xiàn)上述主要目的，本發(fā)明提供的局部放電診斷模型生成方法包括：獲取高壓電氣設(shè)備在多種信號(hào)模式下的地電波采樣信號(hào)；對(duì)每一種信號(hào)模式對(duì)應(yīng)的地電波采樣信號(hào)進(jìn)行多維度預(yù)設(shè)特征值提?。焕枚喾N識(shí)別算法模型對(duì)預(yù)設(shè)特征值進(jìn)行局部放電診斷模型訓(xùn)練，獲得每一種識(shí)別算法模型的訓(xùn)練結(jié)果；根據(jù)訓(xùn)練結(jié)果選擇當(dāng)前應(yīng)用場(chǎng)景下的最優(yōu)局部放電診斷模型。

3、由上述方案可見(jiàn)，本發(fā)明的局部放電診斷模型生成方法通過(guò)獲取多種信號(hào)模式下的地電波采樣信號(hào)，并進(jìn)行多維度預(yù)設(shè)特征值提取，再利用多種識(shí)別算法模型對(duì)預(yù)設(shè)特征值進(jìn)行局部放電診斷模型訓(xùn)練，從而選擇出當(dāng)前應(yīng)用場(chǎng)景下的最優(yōu)局部放電診斷模型，使得訓(xùn)練出的局部放電診斷模型于應(yīng)用場(chǎng)景適配，從而使得不同的應(yīng)用場(chǎng)景和系統(tǒng)資源條件下可選擇不同的算法模型進(jìn)行應(yīng)用。同時(shí)，進(jìn)行多維度預(yù)設(shè)特征值提取，從而提高信號(hào)模式的識(shí)別準(zhǔn)確度。

4、進(jìn)一步的方案中，對(duì)每一種信號(hào)模式對(duì)應(yīng)的地電波采樣信號(hào)進(jìn)行多維度預(yù)設(shè)特征值提取的步驟包括：對(duì)地電波采樣信號(hào)進(jìn)行預(yù)處理，獲得經(jīng)過(guò)噪聲抑制、干擾濾波之后的波形信號(hào)數(shù)據(jù)；根據(jù)波形信號(hào)數(shù)據(jù)進(jìn)行預(yù)設(shè)特征值提取。

5、由此可見(jiàn)，由于地電波采樣裝置的采樣硬件電路本身具有一定的基礎(chǔ)噪聲，這些噪聲和干擾類(lèi)信號(hào)，對(duì)于后續(xù)的數(shù)據(jù)處理和局放類(lèi)型的診斷非常不利，應(yīng)盡可能去除或抑制，因此，在進(jìn)行多維度預(yù)設(shè)特征值提取時(shí)，對(duì)地電波采樣信號(hào)進(jìn)行噪聲抑制、干擾濾波，有效抑制和濾除信號(hào)底噪、外部工頻諧波和高頻干擾信號(hào)，使得局放信號(hào)能夠更清晰地被提取和識(shí)別，從而大大提高了信號(hào)的信噪比，提高模型訓(xùn)練的精度。

6、進(jìn)一步的方案中，對(duì)地電波采樣信號(hào)進(jìn)行預(yù)處理，獲得經(jīng)過(guò)噪聲抑制、干擾濾波之后的波形信號(hào)數(shù)據(jù)的步驟包括：對(duì)地電波采樣信號(hào)進(jìn)行數(shù)據(jù)縮減，得到原始地電波信號(hào)數(shù)組；將原始地電波信號(hào)數(shù)組中數(shù)據(jù)以時(shí)間順序排列，形成列矩陣；將列矩陣以預(yù)設(shè)數(shù)量的周期進(jìn)行折疊，形成地電波信號(hào)矩陣；獲取地電波信號(hào)矩陣中每一行數(shù)據(jù)的平均值，形成一列均值數(shù)組；對(duì)均值數(shù)組進(jìn)行多項(xiàng)式擬合，獲得均值擬合數(shù)組；將地電波信號(hào)矩陣與均值擬合數(shù)組相減，獲得prpd圖數(shù)據(jù)去噪數(shù)組；將prpd圖數(shù)據(jù)去噪數(shù)組的數(shù)據(jù)按時(shí)間順序排列形成波形信號(hào)數(shù)據(jù)。

7、由此可見(jiàn)，在對(duì)地電波采樣信號(hào)進(jìn)行預(yù)處理，獲得經(jīng)過(guò)噪聲抑制、干擾濾波之后的波形信號(hào)數(shù)據(jù)時(shí)，通過(guò)對(duì)地電波采樣信號(hào)進(jìn)行數(shù)據(jù)縮減，可減少數(shù)據(jù)的分析量，同時(shí)，取折疊數(shù)組的均值做多項(xiàng)式擬合，可去有效去除底噪、諧波和非線性趨勢(shì)狀態(tài)。

8、進(jìn)一步的方案中，根據(jù)波形信號(hào)數(shù)據(jù)進(jìn)行預(yù)設(shè)特征值提取的步驟包括：對(duì)波形信號(hào)數(shù)據(jù)進(jìn)行時(shí)域基本特征值、頻率成分特征值和振鈴特征值獲取。

9、由此可見(jiàn)，通過(guò)進(jìn)行時(shí)域基本特征值、頻率成分特征值和振鈴特征值獲取，可多維度獲取局放信號(hào)的特征，更好地指征開(kāi)關(guān)柜局放信號(hào)的存在和狀態(tài)。

10、進(jìn)一步的方案中，時(shí)域基本特征值包括幅值峰值、有效值和波形因子；頻率成分特征值包括50hz相關(guān)性、100hz相關(guān)性和相關(guān)性因子；振鈴特征值包括振鈴計(jì)數(shù)和振鈴峰度。

11、由此可見(jiàn)，通過(guò)獲取幅值峰值、有效值、波形因子、50hz相關(guān)性、100hz相關(guān)性、相關(guān)性因子、振鈴計(jì)數(shù)和振鈴峰度八個(gè)維度的特征值，能具有足夠的局放信號(hào)特征代表性，并適用于多種智能分類(lèi)算法模型，具有很好的可識(shí)別的能力。

12、進(jìn)一步的方案中，對(duì)波形信號(hào)數(shù)據(jù)進(jìn)行頻率成分特征值獲取的步驟包括：對(duì)波形信號(hào)數(shù)據(jù)進(jìn)行上包絡(luò)獲取，得到信號(hào)包絡(luò)；對(duì)信號(hào)包絡(luò)進(jìn)行離散傅里葉變換，獲得包絡(luò)頻譜數(shù)據(jù)；根據(jù)包絡(luò)頻譜數(shù)據(jù)獲取預(yù)設(shè)的50hz相關(guān)性頻段、預(yù)設(shè)的100hz相關(guān)性頻段和不相關(guān)頻段，其中，不相關(guān)頻段是包絡(luò)頻譜數(shù)據(jù)除去預(yù)設(shè)的50hz相關(guān)性頻段和預(yù)設(shè)的100hz相關(guān)性頻段以外的其余頻段；根據(jù)預(yù)設(shè)的50hz相關(guān)性頻段、預(yù)設(shè)的100hz相關(guān)性頻段和不相關(guān)頻段獲得50hz相關(guān)性、100hz相關(guān)性和相關(guān)性因子。

13、由此可見(jiàn)，通過(guò)分析50hz相關(guān)性、100hz相關(guān)性和相關(guān)性因子，有助于從背景噪聲中提取局放信號(hào)，識(shí)別并定位潛在故障源。

14、進(jìn)一步的方案中，將所述預(yù)設(shè)的50hz相關(guān)性頻段中的頻譜幅值最大值的平方除以所述不相關(guān)頻段中的頻譜幅值有效值的平方，獲得所述50hz相關(guān)性。將所述預(yù)設(shè)的100hz相關(guān)性頻段中的頻譜幅值最大值的平方除以所述不相關(guān)頻段中的頻譜幅值有效值的平方，獲得所述100hz相關(guān)性。

15、進(jìn)一步的方案中，對(duì)波形信號(hào)數(shù)據(jù)進(jìn)行振鈴特征值獲取的步驟包括：獲取波形信號(hào)數(shù)據(jù)中超過(guò)預(yù)設(shè)幅值的數(shù)據(jù)個(gè)數(shù)作為振鈴計(jì)數(shù)。

16、由此可見(jiàn)，在局放信號(hào)中，有效的局放信號(hào)通常比基礎(chǔ)噪聲信號(hào)幅值大很多，但局放脈沖的個(gè)數(shù)很少，通過(guò)獲取波形信號(hào)數(shù)據(jù)中超過(guò)預(yù)設(shè)幅值的數(shù)據(jù)個(gè)數(shù)可確定振鈴的數(shù)量。

17、進(jìn)一步的方案中，對(duì)波形信號(hào)數(shù)據(jù)進(jìn)行振鈴特征值獲取的步驟還包括：定位prpd圖數(shù)據(jù)去噪數(shù)組中每一列最大幅值點(diǎn)的位置；以每一列最大幅值點(diǎn)的位置確定最大幅值點(diǎn)對(duì)應(yīng)的臨近區(qū)域范圍；獲取每一個(gè)臨近區(qū)域范圍內(nèi)最大幅值點(diǎn)的位置序號(hào)，組成脈沖點(diǎn)位置集合；根據(jù)脈沖點(diǎn)位置集合獲得振鈴峰度。

18、由此可見(jiàn)，最大振鈴點(diǎn)臨近區(qū)間內(nèi)的波形峰度，反映該點(diǎn)臨近區(qū)域的局放信號(hào)聚集情況，聚集的程度越大反映該點(diǎn)處存在局放的可能性越大，反之越小。利用prpd圖數(shù)據(jù)去噪數(shù)組來(lái)計(jì)算振鈴峰度，可代表了這一段時(shí)間內(nèi)的峰度統(tǒng)計(jì)結(jié)果。

19、進(jìn)一步的方案中，根據(jù)訓(xùn)練結(jié)果選擇當(dāng)前應(yīng)用場(chǎng)景下的最優(yōu)局部放電診斷模型的步驟包括：根據(jù)訓(xùn)練結(jié)果確認(rèn)驗(yàn)證準(zhǔn)確度；根據(jù)驗(yàn)證準(zhǔn)確度和識(shí)別算法模型的所需存儲(chǔ)容量選擇最優(yōu)局部放電診斷模型。

20、由此可見(jiàn)，針對(duì)局放類(lèi)型分類(lèi)的功能性需求，驗(yàn)證準(zhǔn)確度和識(shí)別算法模型的所需存儲(chǔ)容量這兩個(gè)指標(biāo)作為模型的評(píng)估指標(biāo)最具有約束性的指標(biāo)，可選擇出當(dāng)前應(yīng)用場(chǎng)景下的最優(yōu)局部放電診斷模型。