[发明专利]GIS特高频局部放电信号识别方法及系统

权利要求书

1.一种GIS特高频局部放电信号识别方法，其特征在于，包括以下步骤：

对GIS特高频局部放电信号进行预处理，得到三维谱图；其中为相位，q为放电幅值，t为连续预定个周期；

将所述三维谱图投影成二维谱图，并分别提取描述谱图的形状差异以及谱图正负半周的轮廓差异的放电特征参数，得到待测样本；所述描述谱图的形状差异的放电特征参数包括：均值、方差、偏斜度、陡峭度、局部峰点数；所述描述谱图正负半周的轮廓差异的放电特征参数包括：放电量因数、相位不对称度、互相关系数、修正的互相关系数；

根据预先建立的ABC-BP模型对所述待测样本进行缺陷识别；所述ABC-BP模型的建立过程包括：建立人工蜂群优化BP的三层神经网络，并设置模型参数；所述模型参数包括：人工蜂群中蜂群的大小、采蜜蜂的数量、跟随蜂的数量、解的个数、适应度函数、极限值、最大循环次数、BP神经网络的隐层神经元；输入带有类别标记的故障信号作为训练样本，对所述三层神经网络进行模型训练，得到所述ABC-BP模型。

2.根据权利要求1所述的GIS特高频局部放电信号识别方法，其特征在于，所述进行缺陷识别的过程包括：

建立参数同训练模型的三层神经网络；

以模型训练后所得到的最优的初始权值阈值作为识别模型的初始权值阈值；

用所述训练样本训练新建立的三层神经网络；

用所述待测样本进行仿真预测，以实际输出和期望输出的误差值达到预期的目标为终止条件，对GIS特高频局部放电信号待测样本进行分类识别。

3.根据权利要求1所述的GIS特高频局部放电信号识别方法，其特征在于，对所述三层神经网络进行模型训练的过程包括：

创建一个BP神经网络；

初始化人工蜂群算法的参数，包括：蜂群的大小、采蜜蜂的数量、跟随蜂的数量、解的个数、极限值、最大循环次数以及D维初始解X_i；

迭代次数初始化为1；

采蜜蜂根据当前的记忆解搜索新的解，并计算解的适应度值；

判断新解的适应度值是否大于旧解的适应度值；若是，则用新解代替旧解；若否，则更新失败次数加1，并在解X_i的更新失败次数超过了预先设定的极限值时将其舍弃，重新产生一个新解；

迭代次数加1；

若迭代次数大于最大循环次数，则训练结束，将得到的最优解变换成BP网络的连接权值和阈值，采用得到的网络权值和阈值进行BP网络训练和学习，使用BP神经网络工具对所述训练样本进行训练，得到所述ABC-BP模型。

4.根据权利要求1或2或3所述的GIS特高频局部放电信号识别方法，其特征在于，所述预处理的过程包括：采集连续预定个周期的GIS特高频局部放电信号作为一个放电样本，统一把放电信号存储为单周期数据形式，得到所述三维谱图；并将所采集到的GIS特高频局部放电信号混入的干扰滤除。

5.根据权利要求1或2或3所述的GIS特高频局部放电信号识别方法，其特征在于，在所述提取放电特征参数之后，还包括步骤：采用Kruskal-Wallis多样本非参数检验方法对所述放电特征参数作进一步的特征选择与提取。