[发明专利]一种变压器局部放电模式识别方法、系统、介质及设备

权利要求书

1.一种变压器局部放电模式识别方法，其特征在于，包括以下步骤：

对检测到的变压器局部放电超声信号进行去噪处理，提取局部放电超声信号的时域特征参数和频域特征参数；

将提取的时域特征参数和频域特征参数作为样本数据集，所述样本数据集被随机分为训练数据集和测试数据集；

将训练数据集送入支持向量机SVM模型中进行训练学习，以SVM模型优化过程中的交叉验证准确率作为BSO算法中的适应度函数，利用BSO算法寻找SVM模型中的最优惩罚参数c与核函数参数g；

在已获得最优参数的SVM模型中，对测试数据集对应的局部放电超声信号进行模式识别，输出识别准确率，完成局部放电超声信号模式识别。

2.根据权利要求1所述的一种变压器局部放电模式识别方法，其特征在于，所述局部放电超声信号的去噪过程如下：

选取小波函数，完成小波分解；

确定局部放电超声信号的阈值，基于确定的阈值，采用硬门限或软门限处理小波函数的系数；

基于以上小波函数和阈值对局部放电超声信号进行去噪，采用信噪比和均方根误差衡量去噪结果。

3.根据权利要求1所述的一种变压器局部放电模式识别方法，其特征在于，所述局部放电超声信号的时域特征参数为：振铃、均方根、方差、绝对积分平均值、峰度和偏度；

所述局部放电超声信号的频域特征参数为中值频率、功率谱最大值和平均功率频率。

4.根据权利要求1所述的一种变压器局部放电模式识别方法，其特征在于，所述利用BSO算法寻找SVM模型中的最优惩罚参数c与核函数参数g的具体步骤如下：

初始化天牛须算法的初始参数并随机生成天牛的初始位置x和速度v；x代表SVM对应的惩罚因子c以及核函数参数g；

根据初始参数计算天牛两须的坐标以及适应度值并获取天牛当前的个体极值和群体极值；

根据初始参数，计算第一学习因子c₁和第二学习因子c₂以及速度更新权重ω_v；

更新天牛的左、右须的坐标x_left、x_right，并根据左、右须的适应度值f_left和f_right更新个体极值和群体极值；

更新天牛的速度v和位置x，并重新计算各天牛的适应度值；

根据天牛须的初始参数更新天牛步长和天牛须感应长度初始值；

判断是否符合寻优的精度或者大于最大迭代次数，符合其一则寻优结束，否则返回计算第一学习因子c₁和第二学习因子c₂以及速度更新权重ω_v这一步骤；

输出全局最优值f_gbest对应的天牛位置x_gbest，即支持向量机的最优惩罚因子c和核函数参数g。

5.根据权利要求4所述的一种变压器局部放电模式识别方法，其特征在于，BSO算法的初始参数为天牛数量s、迭代次数n、天牛步长的初始值step₁、步长衰减系数eta_step、步长分辨率step₀，天牛触须长度的初始值d₁、天牛触长度的衰减系数eta_d、天牛触须长度分辨率d₀，天牛速度上限v_max和下限v_min，速度更新权重的上限ω_vmax和下限ω_vmin，位置更新权重λ。