[发明专利]基于核主元分析与神经网络的GIS局部放电模式识别方法及系统

说明书

本发明公开了一种基于核主元分析与神经网络的GIS局部放电模式识别方法，其包括步骤：(1)采用特高频传感器采集GIS设备内部的典型缺陷的局部放电信号；(2)对局部放电信号的幅值进行归一化处理后，绘制局部放电信号的三维PRPS图谱；(3)对三维PRPS图谱进行Gabor变换，得变换子图，提取变换子图的纹理特征向量和形状特征向量，以构成原始特征向量；(4)采用核主元分析法对原始特征向量进行降维处理，获得特征向量训练集；(5)构建多层BP神经网络，使用特征向量训练集训练多层BP神经网络；(6)采用训练好的多层BP神经网络对特高频传感器采集实际检测到的GIS局部放电信号进行识别，输出识别结果。此外，本发明还公开了一种GIS局部放电模式识别系统。

技术领域

本发明涉及一种局部放电诊断方法，尤其涉及一种局部放电模式识别方法。

背景技术

气体绝缘组合电器(Gas Insulated Switchgear,GIS)是电力系统中重要的电气设备，其具有占地面积小、运行可靠性高、配置灵活、维护方便等优点。GIS可以有效缓解电网建设对土地资源的耗费，随着城市电网建设的发展，GIS变电站的数目不断增加，其在电力系统中的应用越来越广泛。

但是，由于GIS的全封闭特性，其故障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，还需投入大量人力物力，费时费力。此外，多种电气元件的封装也使得GIS故障检修常涉及非故障元件，停电范围比较大。因此，做好对GIS设备的状态评估与检修，及时发现绝缘件潜在或已发生的故障并做出及时的故障预防或处理，对变电站乃至电网的稳定运行具有重要的意义。

局部放电是GIS绝缘劣化的主要表现形式，局部放电检测是目前对电力设备绝缘状态常用的在线监测方式之一，当有局部放电发生时立刻采取预警与行动可以有效预防严重事故的发生。绝缘劣化机理的不同会导致不同类型的放电形式，进而对GIS绝缘造成的不同程度的损伤，因此对GIS局部放电进行模式识别是对GIS状态评估方面的重要部分。

基于此，本发明期望获得一种基于核主元分析与神经网络的GIS局部放电模式识别方法及系统，其可以通过对局部放电信号的三维PRPS图谱进行Gabor变换，并提取变换后的子图特征量，通过核主元分析法降维，基于多层BP神经网络，实现GIS故障的局部放电缺陷类型识别，提高电力系统故障诊断的智能化水平。

发明内容

本发明的目的之一在于提供一种基于核主元分析与神经网络的GIS局部放电模式识别方法，该GIS局部放电模式识别方法可以对局部放电信号的三维PRPS图谱进行Gabor变换，并提取变换后的子图特征量，通过核主元分析法降维，基于多层BP神经网络，实现GIS故障的局部放电缺陷类型识别，提高电力系统故障诊断的智能化水平。

基于上述目的，本发明提出了一种基于核主元分析与神经网络的GIS局部放电模式识别方法，其包括步骤：

(1)采用特高频传感器采集GIS设备内部的典型缺陷的局部放电信号；

(2)对局部放电信号的幅值进行归一化处理后，绘制局部放电信号的三维PRPS图谱；

(3)对三维PRPS图谱进行Gabor变换，得到变换子图，提取变换子图的纹理特征向量和形状特征向量，以构成原始特征向量；

(4)采用核主元分析法对原始特征向量进行降维处理，获得特征向量训练集；

(5)构建多层BP神经网络，使用特征向量训练集对多层BP神经网络进行训练；

(6)采用训练好的多层BP神经网络对特高频传感器采集实际检测到的GIS局部放电信号进行识别，输出识别结果。