[发明专利]一种基于GIS特高频局部放电数据的处理方法及系统

权利要求书

1.一种基于GIS特高频局部放电数据的处理方法，其特征是，所述方法包括以下步骤：

获取不同标签下的GIS特高频局部放电数据，所述标签包括气隙、悬浮、电晕、沿面和颗粒；

对所述局部放电数据进行特征值提取，形成二维时序数据A；

将所述二维时序数据A与对应的标签进行相关性分析，得到第一相关系数；

根据相关性阈值，将所述二维时序数据A分为A1和A2，其中A2为第一相关系数小于所述相关性阈值的二维时序数据；

对A2增加噪声处理，生成二维时序数据B；

将所述二维时序数据B与对应的标签进行相关性分析，得到第二相关系数；

根据相关性阈值，将所述二维时序数据B分为B1和B2，其中B2为第二相关系数小于所述相关性阈值的二维时序数据；

将B2进行加权融合，并与B1拼合，然后与A1进行合成，得到二维时序数据C；

将所述二维时序数据C与对应的标签进行相关性分析，得到第三相关系数，获取对应标签的清洗特征因子，基于所述清洗特征因子对C进行清洗，得到数据样本D；

所述对所述局部放电数据进行特征值提取，形成二维时序数据A的具体过程为：

S21,特高频检测单次采集1秒钟的数据，每个周期20ms，将20ms分为60个时间片，得到50 × 60 的二维时序数据；

S22，利用区域均值分解法获取该二维时序数据的特征值，并组成新的二维时序数据A；

步骤S22中的区域均值分解法，获取包络图谱中包络函数的瞬时值，其包络函数如下：

式中，分别为相邻的极值点，为该相邻极值点的平均值，即特征值，即包络函数的瞬时值；根据得到该组数据的特征值，构建二维时序数据A；

对A2增加噪声处理具体为在二维时序数据A2中增加高斯随机变量并进行数据修正；

获取对应标签的清洗特征因子的具体过程为：

将得到的第三相关系数按照数值大小进行排序；根据排序结果将所述第三相关系数进行分段，并分别计算各分段的平均值；将所述各分段的平均值再去均值得到清洗特征因子。

2.根据权利要求1所述基于GIS特高频局部放电数据的处理方法，其特征是，所述高斯随机变量rv的计算方式如下：

其中随机变量U1和U2表示为：

式中，随机变量U₁、U₂相互独立，且均服从(0,1)之间的均匀分布；随机变量Z₀，Z₁服从标准高斯分布且满足正态分布，均值为0，方差为1。

3.根据权利要求2所述基于GIS特高频局部放电数据的处理方法，其特征是，所述进行数据修正的具体过程为：

定义待增强样本数据A2为dstImage[x][y]，定义增强后样本数据B为EnhDstImage[x][y]，定义增加高斯随机变量rv后的值为val，通过下式计算val：

对val的范围进行修正：

增强后样本数据B重新定义：

对dstImage数组中所有数据经过上述处理后，形成增强后的样本数据EnhDstImage。

4.根据权利要求1所述基于GIS特高频局部放电数据的处理方法，其特征是，所述将B2进行加权融合具体为：

其中，为第x行特征数据。

5.根据权利要求4所述基于GIS特高频局部放电数据的处理方法，其特征是，所述基于所述清洗特征因子对C进行清洗的具体过程为：

比较所述清洗特征因子与第三相关系数矩阵；

若清洗特征因子大于对应的第三相关系数，则丢弃当前第三相关系数对应的数据，并将丢弃的该数据对应的前后数据值取平均，取代当前丢弃的数据；

否则，保留当前第三相关系数对应的数据。

6.一种基于GIS特高频局部放电数据的处理系统，其特征是，所述系统包括：

数据采集单元，用于获取不同标签下的GIS特高频局部放电数据，所述标签包括气隙、悬浮、电晕、沿面和颗粒；

第一数据处理单元，用于对所述局部放电数据进行特征值提取，形成二维时序数据A；

第二数据处理单元，将所述二维时序数据A与对应的标签进行相关性分析，得到第一相关系数；

第一比较单元，根据相关性阈值，将所述二维时序数据A分为A1和A2，其中A2为第一相关系数小于所述相关性阈值的二维时序数据；

第三数据处理单元，对A2增加噪声处理，生成二维时序数据B；

第四数据处理单元，将所述二维时序数据B与对应的标签进行相关性分析，得到第二相关系数；

第二比较单元，根据相关性阈值，将所述二维时序数据B分为B1和B2，其中B2为第二相关系数小于所述相关性阈值的二维时序数据；

第五数据处理单元，将B2进行加权融合，并与B1拼合，然后与A1进行合成，得到二维时序数据C；

第六数据处理单元，将所述二维时序数据C与对应的标签进行相关性分析，得到第三相关系数，获取对应标签的清洗特征因子，基于所述清洗特征因子对C进行清洗，得到数据样本D；

所述对所述局部放电数据进行特征值提取，形成二维时序数据A的具体过程为：

S21,特高频检测单次采集1秒钟的数据，每个周期20ms，将20ms分为60个时间片，得到的二维时序数据；

S22，利用区域均值分解法获取该二维时序数据的特征值，并组成新的二维时序数据A；

步骤S22中的区域均值分解法，获取包络图谱中包络函数的瞬时值，其包络函数如下：

式中，分别为相邻的极值点，为该相邻极值点的平均值，即特征值，即包络函数的瞬时值；根据得到该组数据的特征值，构建二维时序数据A；

对A2增加噪声处理具体为在二维时序数据A2中增加高斯随机变量并进行数据修正；

获取对应标签的清洗特征因子的具体过程为：

将得到的第三相关系数按照数值大小进行排序；根据排序结果将所述第三相关系数进行分段，并分别计算各分段的平均值；将所述各分段的平均值再去均值得到清洗特征因子。