[发明专利]基于主成分降维与聚类分析的GIS局放严重程度判断方法、系统及介质

说明书

本发明公开了一种基于主成分降维与聚类分析的GIS局放严重程度判断方法、系统及介质，本发明方法的步骤包括获取待检测GIS局放信号的局部放电图谱；针对局部放电图谱提取关键特征量；将关键特征量进行降维处理得到降维后的局部放电特征指纹；分别计算局部放电特征指纹以及对应不同放电阶段的特征指纹聚类中心的距离，且特征指纹聚类中心为采用对应放电阶段的局部放电特征指纹进行聚类得到；根据最短的距离确定待检测GIS局放信号对应的放电阶段。本发明能够在完成放电类型识别的基础上，有效判断缺陷放电的严重程度，具有计算效率高、计算准确度的优点，能够为检修决策与工期安排作参考。

技术领域

本发明涉及电力系统中气体绝缘金属封闭开关设备(Gas InsulationSubstation,GIS)的运行维护技术领域，具体涉及一种基于主成分降维与聚类分析的GIS局放严重程度判断方法、系统及介质。

背景技术

具有结构紧凑、占地空间小、运行可靠性高检修周期长等显著优点，在电力系统中得到了广泛应用，但由于GIS为金属封闭设备，其健康状况和内部缺陷难以掌握评估，且故障随机性强，易突发，难以进行预测预警。尤其在制造或安装过程中残留下的缺陷易导致GIS出现绝缘故障，故障早期征兆的主要形式为局部放电，局部放电既是设备绝缘劣化的征兆，又是造成绝缘劣化的重要原因。

目前，国内外已有大量研究利用电脉冲检测法、超声波检测法、特高频法等方法对GIS设备局部放电检测，能够发现设备内部绝缘缺陷所产生的局放信号，且已有诸多智能算法能够实现对带电检测数据的智能分析诊断，为识别GIS绝缘缺陷类型提供参考。由于GIS在故障后一般需要采用解体方式才能确定故障情况，解体检修难度大、耗时长。因此在发现异常局放信号后，需对局放信号所反映的缺陷严重程度进行准确判断，为检修决策与工期安排作参考。但目前大多针对局部放电信号的智能算法仅对放电类型进行识别判断，未深入分析放电的严重程度。现有的判断方法主要是根据放电幅值以人为经验为主，科学性不足。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于主成分降维与聚类分析的GIS局放严重程度判断方法、系统及介质，本发明能够在完成放电类型识别的基础上，有效判断缺陷放电的严重程度，具有计算效率高、计算准确度的优点。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于主成分降维与聚类分析的GIS局放严重程度判断方法，实施步骤包括：

1)获取待检测GIS局放信号的局部放电图谱；

2)针对局部放电图谱提取关键特征量；

3)将关键特征量进行降维处理得到降维后的局部放电特征指纹；

4)分别计算局部放电特征指纹以及对应不同放电阶段的特征指纹聚类中心的距离，所述特征指纹聚类中心为采用对应放电阶段的局部放电特征指纹进行聚类得到；

5)根据最短的距离确定待检测GIS局放信号对应的放电阶段。

可选地，步骤2)的详细步骤包括：

2.1)针对局部放电图谱提取特征量；

2.2)采用关联算法计算放电严重程度和各个特征量之间的关联性，选择关联性超过预设阈值的特征量作为关键特征量，或者根据关联性对所有特征量进行排序并选择关联性较大端的指定数量个特征量作为关键特征量。

可选地，步骤2.1)中计算放电严重程度和各个特征量之间的关联性具体是指计算放电严重程度和各个特征量之间的KMO因子关联性。

可选地，步骤2)提取得到的关键特征量包括局部放电相位所占宽度、正负半周放电次数之比、正负半周平均放电幅值之比、放电幅值熵值、最大放电幅值熵值、谱图负半周偏斜度、谱图负半周陡峭度、放电幅值分布的标准差。