阅读说明：本技术 一种gis设备的局部放电类型分类方法 (A kind of shelf depreciation genre classification methods of GIS device ) 是由 彭兆裕 岳丹 洪志湖 代维菊 文刚 颜冰 马御棠 李佑明 张云 于 2019-10-14 设计创作，主要内容包括：本申请公开了一种GIS设备的局部放电类型分类方法,利用uPMT传感器阵列和电压传感器采集局部放电的光辐射强度-工频电压相位-光辐射波长三维数据；利用特征提取法提取光辐射强度-工频电压相位-光辐射波长三维数据,得到特征波段下的光辐射强度-工频电压相位信息；光辐射强度-工频电压相位信息分别通过多个特征运算,得到多个特征运算对应的特征量；多个特征量分别输入分类器中,得到局部放电的放电类型。本申请中,通过特征提取法提取采集到的数据量庞大的三维数据,作为放电信息特征参量,减少了数据分析量,提高数据分析效率；经过多个特征运算得到对应的特征量,并将多个特征量输入分类器中,得到放电类型,提高分类准确性。(This application discloses a kind of shelf depreciation genre classification methods of GIS device, utilize light radiation intensity-power-frequency voltage phase-light radiation wavelength three-dimensional data of uPMT sensor array and voltage sensor acquisition shelf depreciation；Light radiation intensity-power-frequency voltage phase-light radiation wavelength three-dimensional data is extracted using feature extraction, obtains light radiation intensity-power-frequency voltage phase information under characteristic wave bands；Light radiation intensity-power-frequency voltage phase information by multiple characteristic operations, obtains the corresponding characteristic quantity of multiple characteristic operations respectively；Multiple characteristic quantities input in classifier respectively, obtain the electric discharge type of shelf depreciation.In the application, the huge three-dimensional data of collected data volume is extracted by feature extraction, as discharge information characteristic parameter, reduces data amount of analysis, improves data analysis efficiency；Corresponding characteristic quantity is obtained by multiple characteristic operations, and multiple characteristic quantities are inputted in classifier, electric discharge type is obtained, improves classification accuracy.)

一种GIS设备的局部放电类型分类方法

技术领域

本申请涉及开关电力设备状态诊断领域，尤其涉及一种GIS设备的局部放电类型分类方法。

背景技术

GIS设备具有运行可靠性高、检修周期长、设备体积小等显著优势，其安全稳定运行对电力系统的可靠性有着重要的意义。然而气体绝缘开关、气体输电管道等气体绝缘电力设备在生产、运输、装配以及运行过程中不可避免地会产生导体尖端、划伤、悬浮电位等绝缘缺陷，该类绝缘缺陷在强电场作用下会产生局部放电甚至是绝缘击穿等严重安全事故。因此在GIS设备故障初期及时发现并诊断故障类型对保障设备的安全可靠运行有着显著的意义。

局部放电检测被认为是电力设备故障初期检测最有效的检测手段，常见的局部放电检测方法为特高频法。当GIS设备内部存在局部放电现象时，所产生的特高频电磁波能够沿着GIS设备的管体向远处传播，对于局部放电类型的识别，准确提取特征参量和提高分类器分类精度一直是局部放电放电类型识别工作的研究重点，现阶段在局部放电特高频检测中特征参量主要集中在局部放电统计分布图谱中提取图像灰度分形特征、统计特征、小波特征、单脉冲波形特征等，特征参量的选择没有统一的标准，由研究者自行提取，在此基础上利用神经网络、支持向量机模糊聚类等分类器实现放电类型模式识别。

由于电磁波信号在通过GIS设备内部存在不连续点时会造成电磁波能量的衰减和反射，电磁波信号在GIS设备中传播到特高频传感器时信号的波形与幅值等参数发生变化，从而增加了检测局部放电信号的复杂性，同时大型电气设备的局部放电监测系统处于各种干扰的现场环境中，特高频电磁波检测装置容易受到干扰，后续模式识别准确度也会受到影响。

发明内容

本申请提供了一种GIS设备的局部放电类型分类方法，以解决基于特高频检测方法的分类准确性低的技术问题。

为了解决上述技术问题，本申请实施例公开了以下技术方案：

一种GIS设备的局部放电类型分类方法，方法包括：利用uPMT传感器阵列和电压传感器采集局部放电的光辐射强度-工频电压相位-光辐射波长三维数据；利用特征提取法提取光辐射强度-工频电压相位-光辐射波长三维数据，得到特征波段下的光辐射强度-工频电压相位信息；光辐射强度-工频电压相位信息分别通过多个特征运算，得到多个特征运算对应的特征量；多个特征量分别输入分类器中，得到局部放电的放电类型。

可选地，利用uPMT传感器阵列和电压传感器采集局部放电的光辐射强度-工频电压相位-光辐射波长三维数据，包括：利用uPMT传感器阵列采集局部放电紫外、可见光以及红外三个波段的光辐射强度；采用电压传感器采集局部放电的工频电压相位；将紫外、可见光以及红外三个波段的光辐射强度和工频电压相位汇集，得到光辐射强度-工频电压相位-光辐射波长三维数据。

可选地，利用特征提取法提取光辐射强度-工频电压相位-光辐射波长三维数据，得到特征波段下的光辐射强度-工频电压相位信息，包括：提取光辐射强度-工频电压相位-光辐射波长三维数据，并将紫外、可见光以及红外三个宽波段分割为窄波段；分析各窄波段与原始波段之间的相关性、各窄波段之间的相关性，提取具有放电信号特征的多组窄波段作为特征波段，得到特征波段下的光辐射强度-工频电压相位信息。

可选地，特征波段下的光辐射强度-工频电压相位信息包括紫外波段下的光辐射强度-工频电压相位信息、可见光波段下光辐射强度-工频电压相位信息和红外波段下光辐射强度-工频电压相位信息。

可选地，特征运算包括偏斜度、突出度、不对称度、斜率、二值化编码和归一化。

可选地，局部放电的放电类型包括尖端放电、悬浮放电、沿面放电、自由金属颗粒放电。

有益效果：本申请提供了一种GIS设备的局部放电类型分类方法，首先，利用uPMT传感器阵列和电压传感器采集局部放电的光辐射强度-工频电压相位-光辐射波长三维数据；其次，利用特征提取法提取光辐射强度-工频电压相位-光辐射波长三维数据，得到特征波段下的光辐射强度-工频电压相位信息；再次，光辐射强度-工频电压相位信息分别通过多个特征运算，得到多个特征运算对应的特征量；最后，多个特征量输入分类器中，得到局部放电的放电类型。本申请中，通过特征提取法提取采集到的数据量庞大的三维数据，作为放电信息特征参量，减少了数据分析量，提高数据分析效率；经过多个特征运算得到对应的特征量，并将多个特征量输入分类器中，得到放电类型，提高分类准确性。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为申请提供的一种GIS设备的局部放电类型分类方法的流程图。

具体实施方式

参见图1，为本申请提供的一种GIS设备的局部放电类型分类方法的流程图，可知，本申请提供了一种GIS设备的局部放电类型分类方法，方法包括：

S01：利用uPMT传感器阵列和电压传感器采集局部放电的光辐射强度-工频电压相位-光辐射波长三维数据。

S011：利用uPMT传感器阵列采集局部放电紫外、可见光以及红外三个波段的光辐射强度。

采用uPMT传感器阵列采集局部放电紫外、可见光以及红外三个波段的光辐射信号，并将光辐射信号转化为电信号。

S012：采用电压传感器采集局部放电的工频电压相位。

S013：将紫外、可见光以及红外三个波段的光辐射强度和工频电压相位汇集，得到光辐射强度-工频电压相位-光辐射波长三维数据。

光辐射强度-工频电压相位-光辐射波长三维数据通过预处理，对噪声信号进行滤除，并对有效信号进行放大。通过uPMT传感器阵列和电压传感器采集得到光辐射强度-工频电压相位-光辐射波长三维数据，可降低电磁干扰能力，并且通过预处理后，增加了采集信号的有效性。

S02：利用特征提取法提取光辐射强度-工频电压相位-光辐射波长三维数据，得到特征波段下的光辐射强度-工频电压相位信息。

特征波段下的光辐射强度-工频电压相位信息包括紫外波段下的光辐射强度-工频电压相位信息、可见光波段下光辐射强度-工频电压相位信息和红外波段下光辐射强度-工频电压相位信息。

S021：提取光辐射强度-工频电压相位-光辐射波长三维数据，并将紫外、可见光以及红外三个宽波段分割为窄波段；

S022：分析各窄波段与原始波段之间的相关性、各窄波段之间的相关性，提取具有放电信号特征的多组窄波段作为特征波段，得到特征波段下的光辐射强度-工频电压相位信息。

特征波段的提取原则是求取各窄波段与原始波段之间的相关性大且各窄波段之间的相关性小、具有放电信号特征的n个波段作为特征波段。通过特征提取方法可降低运算数据，去除了冗余数据。

S03：光辐射强度-工频电压相位信息分别通过多个特征运算，得到多个特征运算对应的特征量。

特征运算包括偏斜度、突出度、不对称度、斜率、二值化编码和归一化。通过波段间相关数据的运算增强了数据之间的差异性和特征，增加了可供分类的特征参数数量和维度。

S04：多个特征量分别输入分类器中，得到局部放电的放电类型。

局部放电的放电类型包括尖端放电、悬浮放电、沿面放电、自由金属颗粒放电。

考虑到不同类型的分类算法对于不同放电类型的分类效果存在差异性，因此本申请中选择多种基于不同分类准则的分类算法作为组合分类器，并通过对各类算法分类结果进行加权的方式得到最终分类结果，加权方式包括但不限于赋值系数加权法，其计算方法为：

式中，f_{尖、悬、沿、金}分别是分类结果为尖端放电、悬浮放电、沿面放电、自由金属颗粒放电的概率，f_{波谱角1、2、3、4}分别为波谱角匹配判断为4类放电的概率，f_{BP1、2、3、4}分别为BP神经网络判断为4类放电的概率，f_{支持向量机1、2、3、4}分别为支持向量机匹配判断为4类放电的概率，f_{随机森林1、2、3、4}分别为随机森林判断为4类放电的概率，f_{平行六面体1、2、3、4}分别为平行六面体判断为4类放电的概率，f_{模糊聚类1、2、3、4}分别为模糊聚类判断为4类放电的概率。a,b,c,d分别为各种方法的权重系数，该权重系数需要以上式为模型，带入大量实际测量结果后训练得到。最后比较f_尖、f_悬、f_沿、f_金的值，概率最大的一个即为分类结果。不同分类器采用的分类算法存在差异性，分类效果也随数据类型以及数量等存在差异，通过多分类器组合和联合分类能够有效提高分类精度。

本申请提供了一种GIS设备的局部放电类型分类方法，首先，利用uPMT传感器阵列和电压传感器采集局部放电的光辐射强度-工频电压相位-光辐射波长三维数据；其次，利用特征提取法提取光辐射强度-工频电压相位-光辐射波长三维数据，得到特征波段下的光辐射强度-工频电压相位信息；再次，光辐射强度-工频电压相位信息分别通过多个特征运算，得到多个特征运算对应的特征量；最后，多个特征量输入分类器中，得到局部放电的放电类型。本申请中，通过特征提取法提取采集到的数据量庞大的三维数据，作为放电信息特征参量，减少了数据分析量，提高数据分析效率；经过多个特征运算得到对应的特征量，并将多个特征量输入分类器中，得到放电类型，提高分类准确性。

由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。

需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。

本领域技术人员在考虑说明书及实践这里申请的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。

以上所述的本申请实施方式并不构成对本申请保护范围的限定。