本發(fā)明涉及局部放電領(lǐng)域，具體而言，涉及一種局部放電模式識別方法和裝置。

背景技術(shù)：

很小的絕緣缺陷在電力設(shè)備帶電運(yùn)行狀態(tài)下會(huì)由小變大，最終可能誘發(fā)整體的絕緣性故障，造成大面積停電，給國民經(jīng)濟(jì)帶來損失，而局部放電模式識別對及時(shí)發(fā)現(xiàn)絕緣損壞程度和設(shè)備檢修有重大意義。

隨著智能電網(wǎng)和能源互聯(lián)網(wǎng)的快速發(fā)展，電力系統(tǒng)信息數(shù)據(jù)和狀態(tài)監(jiān)測數(shù)據(jù)日益龐大，這些數(shù)據(jù)的實(shí)時(shí)存儲(chǔ)、傳輸和處理是大電網(wǎng)堅(jiān)強(qiáng)穩(wěn)固的保證，隨機(jī)矩陣?yán)碚撟鳛橐环N大數(shù)據(jù)分析方法，其特征根譜分析理論對分析大維數(shù)據(jù)具有優(yōu)良特性，已在電力設(shè)備狀態(tài)評估和異常檢測中得到初步應(yīng)用。

近年來，國內(nèi)外學(xué)者在局放模式識別領(lǐng)域展開了大量的研究工作，神經(jīng)網(wǎng)絡(luò)、小波變換、分形理論以及隱馬爾可夫模型在局部放電模式識別理論中有較廣泛的應(yīng)用，取得了顯著的效果，但是，以上以PRPD圖譜為基礎(chǔ)的識別方法存在一定的局限性，即工頻相位在局部放電過程中意義并不是很大，且在直流輸電系統(tǒng)中，由于直流設(shè)備的存在已無相位信息，而以上以脈沖波形或者脈沖峰值作為識別特征量的辦法受電壓值的影響較大，抗干擾性不強(qiáng)，對于非平穩(wěn)放電信號是不適用的。

針對上述現(xiàn)有技術(shù)中對局部放電的模式識別率高并且抗干擾性差的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種局部放電模式識別方法和裝置，以至少解決現(xiàn)有技術(shù)中對局部放電的模式識別率高并且抗干擾性差的技術(shù)問題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種局部放電模式識別方法，包括：建立典型局部放電模型，并獲取各模型的局部放電信號；根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣；根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫；基于知識庫，采用鄰近算法確定待識別局部放電信號的模式。

進(jìn)一步的，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

進(jìn)一步的，基于知識庫，采用鄰近算法確定待識別局部放電信號的模式，包括：從知識庫中采用歐式距離算法選取與待識別局部放電信號的平均譜半徑最近的K個(gè)局部放電信號；確定K個(gè)局部放電信號中多數(shù)局部放電信號的模式，得到待識別局部放電信號的模式。

進(jìn)一步的，建立典型局部放電模型，并獲取各模型的局部放電信號，包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號。

進(jìn)一步的，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種局部放電模式識別裝置，包括：獲取模塊，用于建立典型局部放電模型，并獲取各模型的局部放電信號；第一構(gòu)建模塊，用于根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣；第二構(gòu)建模塊，用于根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫；確定模塊，用于基于知識庫，采用鄰近算法確定待識別局部放電信號的模式。

進(jìn)一步的，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

進(jìn)一步的，確定模塊，包括：選取模塊，用于從知識庫中采用歐式距離算法選取與待識別局部放電信號的平均譜半徑最近的K個(gè)局部放電信號；確定子模塊，用于確定K個(gè)局部放電信號中多數(shù)局部放電信號的模式，得到待識別局部放電信號的模式。

進(jìn)一步的，獲取模塊的具體實(shí)施包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號。

進(jìn)一步的，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

在本發(fā)明實(shí)施例中，通過建立典型局部放電模型，并獲取各模型的局部放電信號；根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣；根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫；基于知識庫，采用鄰近算法確定待識別局部放電信號的模式，達(dá)到了確定待識別局部放電信號的模式的目的，并且識別效率和準(zhǔn)確率高，用時(shí)短，能夠?qū)ο隳c檢測結(jié)果缺陷識別提供極大地幫助，進(jìn)而解決了現(xiàn)有技術(shù)中對局部放電的模式識別率高并且抗干擾性差的技術(shù)問題。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1是根據(jù)本發(fā)明實(shí)施例1的一種局部放電模式識別方法的流程圖；

圖2是根據(jù)本發(fā)明實(shí)施例1的板板放電模型示意圖；

圖3是根據(jù)本發(fā)明實(shí)施例1的懸浮電極放電模型示意圖；

圖4是根據(jù)本發(fā)明實(shí)施例1的氣隙放電模型示意圖；

圖5是根據(jù)本發(fā)明實(shí)施例1的高壓沿面放電模型示意圖；

圖6是根據(jù)本發(fā)明實(shí)施例1的電暈放電模型示意圖；

圖7是根據(jù)本發(fā)明實(shí)施例1的油隙放電模型示意圖；

圖8是根據(jù)本發(fā)明實(shí)施例1的針對板板放電模型的局部放電信號的高維隨機(jī)矩陣示意圖；

圖9是根據(jù)本發(fā)明實(shí)施例1的板板放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖10是根據(jù)本發(fā)明實(shí)施例1的懸浮電極放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖11是根據(jù)本發(fā)明實(shí)施例1的氣隙放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖12是根據(jù)本發(fā)明實(shí)施例1的高壓沿面放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖13是根據(jù)本發(fā)明實(shí)施例1的電暈放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖14是根據(jù)本發(fā)明實(shí)施例1的油隙放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；以及

圖15是根據(jù)本發(fā)明實(shí)施例2的一種局部放電模式識別裝置的結(jié)構(gòu)圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

需要說明的是，本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

實(shí)施例1

根據(jù)本發(fā)明實(shí)施例，提供了一種局部放電模式識別方法的方法實(shí)施例，需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

圖1是根據(jù)本發(fā)明實(shí)施例的局部放電模式識別方法，如圖1所示，該方法包括如下步驟：

步驟S102，建立典型局部放電模型，并獲取各模型的局部放電信號。

步驟S104，根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣。

步驟S106，根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫。

步驟S108，基于知識庫，采用鄰近算法確定待識別局部放電信號的模式。

在本發(fā)明實(shí)施例中，通過建立典型局部放電模型，并獲取各模型的局部放電信號；根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣；根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫；基于知識庫，采用鄰近算法確定待識別局部放電信號的模式，達(dá)到了確定待識別局部放電信號的模式的目的，并且識別效率和準(zhǔn)確率高，用時(shí)短，能夠?qū)ο隳c檢測結(jié)果缺陷識別提供極大地幫助，進(jìn)而解決了現(xiàn)有技術(shù)中對局部放電的模式識別率高并且抗干擾性差的技術(shù)問題。

在一種可選的實(shí)施例中，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

具體的，板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型的示意圖分別如圖2-7所示。

在一種可選的實(shí)施例中，步驟S104中根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣的具體實(shí)施可以是：

針對局部放電信號構(gòu)建高維隨機(jī)矩陣，可以利用單位時(shí)間間隔Δt的數(shù)據(jù)向量來生成矩陣X，其表達(dá)式如下式所示，圖8是針對板板放電模型的局部放電信號的高維隨機(jī)矩陣示意圖；

其中，上式中X是N×T隨機(jī)矩陣，可以通過改變采樣頻率和采樣時(shí)長來調(diào)整矩陣X的行列數(shù)比值，以保證矩陣X滿足隨機(jī)矩陣?yán)碚摲治龅囊?。對矩陣的乘積其中Xi是N×n獨(dú)立同分布的非厄米特隨機(jī)方陣的奇異值等價(jià)矩陣，則Z的經(jīng)驗(yàn)譜密度將收斂于：

當(dāng)N,n→∞和c＝N/n≤1，在復(fù)平面表示下，特征根將處于內(nèi)圈半徑為(1-c)^α/2外圓半徑為1的圓環(huán)內(nèi)。其中，是一個(gè)Harr矩陣。

在一種可選的實(shí)施例中，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

具體的，由局部放電信號產(chǎn)生的時(shí)間序列，通過構(gòu)造為滿足一定要求的高維矩陣后，理論上已證明其特征根呈環(huán)狀分布，現(xiàn)選取六類放電波形的譜分布圓環(huán)的平均譜半徑(MSR，Mean Spectral radius)為放電類型識別的特征量：

其中，|λ_Z|表示λ_Z在復(fù)平面的半徑。

在一種可選的實(shí)施例中，步驟S108，包括：

步驟S202，從知識庫中采用歐式距離算法選取與待識別局部放電信號的平均譜半徑最近的K個(gè)局部放電信號。

步驟S204，確定K個(gè)局部放電信號中多數(shù)局部放電信號的模式，得到待識別局部放電信號的模式。

具體的，鄰近算法也就是K近鄰算法，是一種簡單的機(jī)器學(xué)習(xí)算法，即給定一個(gè)訓(xùn)練數(shù)據(jù)集，對新的輸入實(shí)例，在訓(xùn)練數(shù)據(jù)集中找到與該實(shí)例最鄰近的K個(gè)實(shí)例，這K個(gè)實(shí)例的多數(shù)屬于某個(gè)類，就把該輸入實(shí)例分類到這個(gè)類。K值的選擇，距離度量和分類決策規(guī)則是該算法的三個(gè)基本要素。距離度量在本實(shí)驗(yàn)中選擇歐氏距離，即對于任意兩類信號的10個(gè)波形的圓環(huán)譜分布，其MSR的歐式距離為d(κ_1iMSR，κ_2iMSR)：

在一種可選的實(shí)施例中，對于新輸入波形的MSR，可以在60個(gè)波形(每類局部放電信號各十個(gè)波形)的譜分布知識庫中挑出與其最近的K個(gè)MSR，然后看這K個(gè)MSR多數(shù)屬于哪一類，則把新輸入的波形歸為該類局部放電信號，實(shí)驗(yàn)結(jié)果表明K取3時(shí)，識別效果最好。

上述實(shí)施例本發(fā)明采用KNN算法，識別不同放電信號的隨機(jī)矩陣譜分布，進(jìn)而實(shí)現(xiàn)對不同類型局部放電信號的識別。

在一種可選的實(shí)施例中，步驟S102，包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號。

在一種可選的實(shí)施例中，可以利用放電模型產(chǎn)生六種局部放電信號，并采集相應(yīng)的特高頻信號各10組，本實(shí)驗(yàn)利用放電信號的多脈沖波形進(jìn)行譜分析，利用示波器的順序采集模式可以得到放電信號的多脈沖波形，所謂多脈沖波形即為采集多個(gè)脈沖且只對放電脈沖附近若干點(diǎn)進(jìn)行采集，示波器的設(shè)置為(500mv/div，200ns，1G/S，順序采集模式，300段脈沖)，在此設(shè)置下，每個(gè)脈沖采集了200*10-9s*1G/s＝2000個(gè)點(diǎn)，一個(gè)完整的多脈沖波形共采集了300*2000＝600000個(gè)點(diǎn)，分別構(gòu)造每種局部放電特高頻信號的600*1000維隨機(jī)矩陣Z。圖9-14給出了板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型所生成的高維矩陣Z的特征根譜分布情況，從圖中可看出其特征根很明顯呈現(xiàn)圓環(huán)分布的特點(diǎn)，且每個(gè)圓環(huán)的內(nèi)徑大小不同，環(huán)內(nèi)的譜分布疏密也有自身的特點(diǎn)?？梢苑謩e采集每類放電波形50個(gè)，構(gòu)造相應(yīng)的高維隨機(jī)矩陣進(jìn)行譜分析，并將提取的特征量輸入訓(xùn)練好的K-近鄰識別算法進(jìn)行識別，識別結(jié)果為：針對板板放電，識別35個(gè)，識別率為70％，針對懸浮電極放電，識別43個(gè)，識別率為86％，針對氣隙放電，識別44個(gè)，識別率為88％，針對高壓沿面放電，識別43個(gè)，識別率為86％，針對電暈放電，識別44個(gè)，識別率為88％，針對油隙放電，識別38個(gè)，識別率為76％，由上可知，本發(fā)明對常見的六種缺陷進(jìn)行實(shí)驗(yàn)驗(yàn)證，平均識別率均在85％以上，對現(xiàn)場檢測結(jié)果缺陷識別提供了很大幫助，縮短了分析時(shí)間，提高了分析效率和準(zhǔn)確率。

實(shí)施例2

根據(jù)本發(fā)明實(shí)施例，提供了一種局部放電模式識別裝置的產(chǎn)品實(shí)施例，圖15是根據(jù)本發(fā)明實(shí)施例的局部放電模式識別裝置，如圖15所示，該裝置包括獲取模塊、第一構(gòu)建模塊、第二構(gòu)建模塊和確定模塊。

其中，獲取模塊，用于建立典型局部放電模型，并獲取各模型的局部放電信號；第一構(gòu)建模塊，用于根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣；第二構(gòu)建模塊，用于根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫；確定模塊，用于基于知識庫，采用鄰近算法確定待識別局部放電信號的模式。

在本發(fā)明實(shí)施例中，通過獲取模塊建立典型局部放電模型，并獲取各模型的局部放電信號；第一構(gòu)建模塊根據(jù)各模型的局部放電信號構(gòu)建各模型的高維隨機(jī)矩陣；第二構(gòu)建模塊根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識庫；確定模塊基于知識庫，采用鄰近算法確定待識別局部放電信號的模式，達(dá)到了確定待識別局部放電信號的模式的目的，并且識別效率和準(zhǔn)確率高，用時(shí)短，能夠?qū)ο隳c檢測結(jié)果缺陷識別提供極大地幫助，進(jìn)而解決了現(xiàn)有技術(shù)中對局部放電的模式識別率高并且抗干擾性差的技術(shù)問題。

在一種可選的實(shí)施例中，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

在一種可選的實(shí)施例中，確定模塊，包括選取模塊和確定子模塊。

其中，選取模塊，用于從知識庫中采用歐式距離算法選取與待識別局部放電信號的平均譜半徑最近的K個(gè)局部放電信號；確定子模塊，用于確定K個(gè)局部放電信號中多數(shù)局部放電信號的模式，得到待識別局部放電信號的模式。

在一種可選的實(shí)施例中，獲取模塊的具體實(shí)施包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號。

在一種可選的實(shí)施例中，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

上述本發(fā)明實(shí)施例序號僅僅為了描述，不代表實(shí)施例的優(yōu)劣。

在本發(fā)明的上述實(shí)施例中，對各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒有詳述的部分，可以參見其他實(shí)施例的相關(guān)描述。

在本申請所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的技術(shù)內(nèi)容，可通過其它的方式實(shí)現(xiàn)。其中，以上所描述的裝置實(shí)施例僅僅是示意性的，例如所述單元的劃分，可以為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，單元或模塊的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺計(jì)算機(jī)設(shè)備(可為個(gè)人計(jì)算機(jī)、服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、移動(dòng)硬盤、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。