[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

说明书

本发明公开了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，成对地采集GIS设备局部放电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，若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幅值较小，则将其判定为来自GIS设备外部脉冲干扰信号。

技术领域

本发明涉及一种判别干扰信号的方法和系统，尤其涉及一种判别局部放电脉冲干扰信号的方法和系统。

背景技术

气体绝缘组合电器(GIS)是电力系统的重要配件之一，其通常被广泛应用在电力系统中。因此，对于气体绝缘组合电器状态的全面感知是保障电网安全运行、提升电网驾驭能力且实现电网智能运行的先决条件。

GIS使用现场的环境比较复杂，其周围通常充斥着大量的干扰信号。因此，针对在线监测设备采集的数据进行干扰信号预处理能够有效提高GIS智能感知系统中局部放电模式识别的正确率，进而提高整个系统对气体绝缘组合电器状态全面感知的能力。

需要说明的是，当前运行的气体绝缘组合电器(GIS)局部放电智能感知系统普遍存在误报率高的问题。由于GIS使用现场周围通常充斥着大量的干扰信号，且智能感知系统对于来自电气设备外部同为局部放电信号脉冲型干扰(如其他现场设备高压端电晕放电、悬浮放电等)的识别较为乏力。因此在实际运行中风险评估系统经常会将这类干扰错误地认为是由设备内部缺陷所引起的，从而导致整个评估系统在运行的大部分时间内均处于报警状态(实际上设备内部并无严重的绝缘缺陷)，很难起到它本应实现的功能。

目前，国内外学者针对局部放电数据中的干扰、噪声信号已经做出了大量的研究。这些研究重点在于：利用时频域分析白噪声、滤除周期窄带干扰、利用机器学习算法识别具有独特特征的脉冲干扰等方面。但是，上述国内外学者研究的很多干扰信号处理方法很难对本身就是局部放电的脉冲型干扰进行判别。

基于此，为了解决现有GIS局部放电智能感知系统中普遍存在的问题，期望获得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和系统，其可以准确有效的判别局部放电信号中的脉冲干扰信号，提高智能感知系统的准确性。

发明内容

本发明的目的之一是提供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，该方法可以准确有效的判别局部放电信号中的脉冲干扰信号，其可以为更好地进行局放类型识别提供前提条件，能够有效提高智能感知系统的准确性。

根据上述发明目的，本发明提出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。