[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

说明书

本发明提供了一种基于GIS特高频局部放电数据的处理方法及系统，处理方法包括数据增强及清洗，采用故障特征提取、故障特征数据相关性分析、数据噪声添加与数据加权实现数据增强；并根据不同标签获取对应的清洗因子实现数据清洗，进而确保增强数据的有效性，实现GIS特高频局部放电的类型诊断。本发明通过相关系数分析的方法实现数据处理、增加噪声与加权处理对数据进行增强及采用清洗特征因子对增强数据进行清洗的方法，能够在处理GIS局部放电数据样本不足时，提高准确率和泛化能力。

技术领域

本发明涉及局部放电检测技术领域，尤其是一种基于GIS特高频局部放电数据的处理方法及系统。

背景技术

随着“三型两网”的提出，智能电网得到快速的发展，智能检测终端作为智能运维实现的基础，也是电力设备能否可靠、安全运行的保障。GIS是由断路器、隔离开关、接地开关、互感器、避雷器、母线、连接件和出线终端等组成，这些设备或部件全部封闭在金属接地的外壳中，在其内部充有一定压力的SF6绝缘气体。GIS的优点在于结构紧凑、占地面积小、可靠性高、配置灵活、安装方便、安全性强、环境适应能力强。

GIS的全密封结构也导致GIS局部放电的定位及检修比较困难，检修工作繁杂，事故后平均停电检修时间比常规设备长，其停电范围大，常涉及非故障元件。因此，电力公司经常开展GIS的局部放电检测工作，为了实现GIS的局放检测能够准确的识别故障类型，需对GIS特高频局部放电数据进行研究。但目前GIS特高频局部放电检测的数据样本很少，缺乏足量的数据集对GIS的特征研究，造成GIS故障类型无法精确识别及检修工作的安排。

而目前现有针对GIS特高频数据的数据增强方法较为稀少，常见的如不同方式的变换与剪切等，且往往会造成对原始特征数据的损坏，使得故障类型的识别准确率比较低，导致设备运维策略的失算。

发明内容

本发明提供了一种基于GIS特高频局部放电数据的处理方法及系统，用于解决现有GIS特高频局部放电检测的数据样本少，数据增强方法不合理的问题。

为实现上述目的，本发明采用下述技术方案：

本发明第一方面提供了一种基于GIS特高频局部放电数据的处理方法，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；

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。

进一步地，所述标签包括气隙、悬浮、电晕、沿面和颗粒。

进一步地，所述特征值通过区域均值分解法得到。

进一步地，所述对A2增加噪声处理的具体过程为：

在二维时序数据A2中增加高斯随机变量并进行数据修正。

进一步地，所述高斯随机变量rv的计算方式如下：