[发明专利]基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法和系统

权利要求书

1.一种基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法，其特征在于，包括步骤：

(1)在GIS设备内外分别设置特高频局部放电传感器，以成对地采集GIS设备的局部放电PRPS图谱；

(2)将局部放电PRPS图谱转换为PRPD图谱；

(3)采用均值漂移聚类算法将PRPD图谱中的脉冲数据点聚类为若干个数据簇；

(4)对每对PRPD图谱中的数据簇进行相似度计算，将相似度小于设定的相似度阈值的一对数据簇匹配成对，并将其判定为同源信号；

(5)将所有同源信号基于接收信号强度进行定位，并且如果在一对同源信号中来自GIS设备内部设置的特高频局部放电传感器采集的数据簇的幅值相对于来自GIS设备外部设置的特高频局部放电传感器采集的数据簇的幅值较小，则将其判定为来自GIS设备外部的脉冲干扰信号。

2.如权利要求1所述的基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法，其特征在于，还包括步骤(6)：滤除所有脉冲干扰信号，以获得滤除脉冲干扰信号后的第一样本，所述第一样本为GIS设备内部设置的特高频局部放电传感器采集的PRPD图谱。

3.如权利要求2所述的基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法，其特征在于，还包括步骤(7)：将所述第一样本转换回PRPS图谱。

4.如权利要求1所述的基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法，其特征在于，所述步骤(3)包括：

(3a)在具有N个样本点的PRPD图谱的特征空间中随机选取中心点x，利用核函数计算出以该中心点为中心，半径为h的高维球S_h所包含点集的漂移均值向量

式中，g(||(x-x_i)/h||²)是高斯核函数，该函数的带宽是半径h，x_i为高维球S_h中所包含的点，k表示S_h中所包含点的个数；

(3b)将中心点移到漂移均值向量所指的地方，并不断迭代，直到漂移均值向量的长度满足设定的长度阈值，此时的中心点就是数据簇的中心；

重复上述步骤(3a)和(3b)，直到所有的样本点均被归为某一数据簇；

(3c)将相似度高的数据簇合并组合为一个大的数据簇；

(3d)将杂散在大数据簇周围的小数据簇合并到与之相似度最高的大数据簇中。

5.如权利要求4所述的基于均值漂移聚类算法判别局部放电脉冲干扰信号的方法，其特征在于，所述步骤(4)包括：

(4a)设定从GIS设备内部采集的PRPD图谱为第一样本，从GIS设备外部采集的PRPD图谱为第二样本，从所述第一样本中选取一个数据簇，将其与第二样本中的每个数据簇的相似度进行计算；

(4b)筛选出相似度小于设定值r的数据簇，并将其归入到集合α中；

(4c)如果集合α是空集，则判定为所选定的数据簇没有匹配到其他数据簇，则该数据簇被判定为局部放电缺陷信号；如果集合α不是空集，则将该集合α中相似度最高的一对数据簇匹配成对，并将其认定为同源信号；

重复上述步骤(4a)-(4c)以遍历第一样本中的所有数据簇，以寻找到所有匹配成对的同源信号。