[发明专利]一种基于CEEMD-MFE与t-SNE的局部放电模式识别方法

说明书

本发明涉及一种基于CEEMD‑MFE与t‑SNE的局部放电模式识别方法。针对局部放电信号非线性、非平稳的特点，采用互补集合经验模态分解(CEEMD)对局部放电信号进行分解，根据相关系数原则对各模态分量进行筛选，选取最优模态分量，利用多尺度模糊熵(MFE)对筛选出的模态分量进行特征提取，并利用t‑分布随机邻域嵌入算法(t‑SNE)对特征向量进行维数约简，剔除冗余不相关特征，最后将提取出的局部放电特征数据集输入到自编码网络当中进行分类识别。本发明为局部放电提供一种模式识别的优化方法，该方法不仅计算简单、抗噪性好，识别率高，还具有在非线性提取高维特征进行降维方面有显著优势。

技术领域

本发明涉及局部放电技术领域，尤其是涉及一种基于CEEMD-MFE与t-SNE的局部放电模式识别方法。

背景技术

局部放电(Partial Discharge，PD)是高压电气设备绝缘劣化的早期迹象，因此PD检测可以作为设备绝缘状态评估的有效手段。

现有是局部放电模式识别方式采用传统的学习方式和卷积神经网络等一些经典结构进行特征提取，这些方法对于传统特征提取具有依赖专家经验、盲目性高和识别率低以及存在高维特征数据集的缺点，对于经验模态分解(Empirical ModeDecomposition，EMD)算法在处理非线性、非平稳信号时会存在端点效应和模态混叠现象，集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)算法在一定程度上存在白噪声残留带来的重构误差以及计算时间长等问题。

因此，本发明提供一种CEEMD-MFE与t-SNE的局部放电模式识别方法，用于解决传统的局部放电模式识别方式存在的技术问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于CEEMD-MFE与t-SNE的局部放电模式识别方法，用于减少计算时间和降低高维数据集，并提高识别率。

本发明的目的可以通过以下技术方案来实现：

一种基于CEEMD-MFE与t-SNE的局部放电模式识别方法，该方法包括以下步骤：

步骤1：采用互补集合经验模态分解CEEMD对局部放电信号进行分解，得到各IMF分量；

步骤2：根据相关系数原则对各IMF分量进行筛选，选取出最优模态分量；

步骤3：利用多尺度模糊熵对筛选出的模态分量进行特征提取；

步骤4：利用t-分布随机邻域嵌入算法t-SNE对提取的特征向量进行维数约简；

步骤5：将经维数约简处理后的局部放电信号对应的特征向量数据输入至自编码网络当中进行分类识别。

进一步地，所述的步骤1包括以下分步骤：

步骤101：在局部放电原始信号中添加N组正负对形式的白噪声，得到两组模态分量；

步骤102：对信号采用EMD方法进行分解，得到各IMF分量。

进一步地，所述的步骤102中各IMF分量组合后所对应的分解结果，其对应数学描述公式为：

式中，C_j为CEEMD分解得到的第j个分量，C_ij为CEEMD第i次分解得到的第j个分量，n1为加入白噪声的次数。

进一步地，所述的步骤2具体包括：对各IMF分量进行相关性分析并进行排序，按要求选取出对应的最优模态分量。