基于樸素貝葉斯分類的局部放電診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及自動化控制技術(shù)領(lǐng)域，尤其涉及一種基于樸素貝葉斯分類的局部放電 診斷方法。
【背景技術(shù)】
[0002] 局部放電是指因?yàn)殡妶霾痪鶆?，高壓設(shè)備絕緣的局部區(qū)域發(fā)生的發(fā)電。由于局部 放電具有重復(fù)性，雖然短時間內(nèi)不會影響設(shè)備的正常運(yùn)行但時間長了會形成電樹枝，最終 導(dǎo)致絕緣擊穿。因?yàn)榫植糠烹姲殡S有脈沖電波，超聲波，電磁波，化學(xué)反應(yīng)和發(fā)光，所以相應(yīng) 的局部放電檢測的方法有傳統(tǒng)的局放測量，超聲波檢測法，UHF檢測法，化學(xué)法和光測法。
[0003] 針對局部放電信號的采集和識別問題，國內(nèi)外許多學(xué)者進(jìn)行了深入研宄。文獻(xiàn)《基 于神經(jīng)網(wǎng)絡(luò)GIS局部放電模式的識別》在全封閉氣體絕緣開關(guān)設(shè)備上采集放電指紋數(shù)據(jù)，并 提取出12種特征，利用復(fù)合神經(jīng)網(wǎng)絡(luò)來提高局部放電識別率；文獻(xiàn)《基于主成分分析和概 率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識別》提出利用主成分分析的方法對變壓器局部放電原 始特征參數(shù)進(jìn)行降維，并提取出新的主成分因子，通過概率神經(jīng)網(wǎng)絡(luò)分類器對降維前和降 維后的特征向量進(jìn)行訓(xùn)練和識別；文獻(xiàn)《基于SVM算法的局部放電模式識別》利用超聲波法 提取局部放電信號，得到局放分布圖譜，獲得局部特征參數(shù)，通過支持向量機(jī)分類算法對典 型缺陷信號進(jìn)行模式識別。
[0004] 這些文獻(xiàn)針對局部放電診斷問題提出了很好的研宄思路和解決策略，但較少涉及 現(xiàn)場問題的建模和應(yīng)用?，F(xiàn)有的針對局部放電故障診斷的技術(shù)大部分是提出一種分類算法 來解決局部放電類型的分類，沒有一個放電信號接收，特征提取，數(shù)據(jù)離散化和分類算法分 類的整體模型。針對局部放電故障診斷問題，信號的接收和數(shù)據(jù)的處理對分類器的分類有 很大的影響，并且缺乏整體的指導(dǎo)，對診斷結(jié)果會有一定的影響。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是為了解決上述技術(shù)問題，提供了基于樸素貝葉斯分類的局部放 電診斷方法，該方法利用基于電磁波的UHF檢測法提取局部放電信號，得到局部放電圖譜， 進(jìn)而進(jìn)行特征提取，最終通過樸素貝葉斯分類算法進(jìn)行模式識別與故障診斷。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0007] -種基于樸素貝葉斯分類的局部放電診斷方法，包括以下步驟：
[0008] (1)局部放電信號經(jīng)UHF傳感器和高頻傳輸電纜，進(jìn)入信號調(diào)理單元，被高頻濾 波、放大、檢波后通過多路信號傳輸電纜傳輸?shù)礁咚贁?shù)據(jù)采集單元進(jìn)行數(shù)據(jù)采集，然后對采 集的信號進(jìn)行抗干擾處理；
[0009] (2)將處理后的信號轉(zhuǎn)存為一個二維數(shù)組，所述數(shù)組有三列，分別為相位區(qū)間、幅 值區(qū)間和次數(shù)，所述數(shù)組的三列分別對應(yīng)三維圖的XYZ軸，得到PRPS圖譜；根據(jù)PRPS圖譜 分別得到PRPD圖譜、N-P圖譜和Q-P圖譜；
[0010] (3)分別在所述PRPD圖譜、N-P圖譜和Q-P圖譜上進(jìn)行特征提??；
[0011] (4)利用等寬離散化方法或者等頻率離散化方法對特征提取后的數(shù)據(jù)進(jìn)行離散 化；
[0012] (5)利用樸素貝葉斯進(jìn)行局部放電模式識別。
[0013] 所述步驟⑵中根據(jù)三維圖譜分別得到PRPD圖譜、N-P圖譜和Q-P圖譜的方法為：
[0014] 定義一個三維數(shù)組存放PRPS數(shù)據(jù)，即PRPS[i] [j] [k];其中，k坐標(biāo)為放電相位，取 值范圍為〇?99 ;j坐標(biāo)為放電強(qiáng)度，按照dB值或者百分比處理，取值范圍為0?99 ;i坐 標(biāo)為放電周波序號，取值范圍為1?50 ;
[0015] 將PRPS每個i坐標(biāo)累加即得PRPD圖譜，其計算公式為：
【主權(quán)項(xiàng)】
1. 一種基于樸素貝葉斯分類的局部放電診斷方法，其特征是，包括以下步驟： (1) 局部放電信號經(jīng)UHF傳感器和高頻傳輸電纜，進(jìn)入信號調(diào)理單元，被高頻濾波、放 大、檢波后通過多路信號傳輸電纜傳輸?shù)礁咚贁?shù)據(jù)采集單元進(jìn)行數(shù)據(jù)采集，然后對采集的 信號進(jìn)行抗干擾處理； (2) 將處理后的信號轉(zhuǎn)存為一個二維數(shù)組，所述數(shù)組有三列，分別為相位區(qū)間、幅值區(qū) 間和次數(shù)，所述數(shù)組的三列分別對應(yīng)三維圖的XYZ軸，得到PRPS圖譜；根據(jù)PRPS圖譜分別 得到PRPD圖譜、N-P圖譜和Q-P圖譜； (3) 分別在所述PRPD圖譜、N-P圖譜和Q-P圖譜上進(jìn)行特征提取； (4) 利用等寬離散化方法或者等頻率離散化方法對特征提取后的數(shù)據(jù)進(jìn)行離散化； (5) 利用樸素貝葉斯進(jìn)行局部放電模式識別。
2. 如權(quán)利要求1所述的一種基于樸素貝葉斯分類的局部放電診斷方法，其特征是，所 述步驟⑵中根據(jù)三維圖譜分別得到PRPD圖譜、N-P圖譜和Q-P圖譜的方法為： 定義一個三維數(shù)組存放PRPS數(shù)據(jù)，即PRPS[i] [j] [k];其中，k坐標(biāo)為放電相位，取值范 圍為O?99 ;j坐標(biāo)為放電強(qiáng)度，按照dB值或者百分比處理，取值范圍為O?99 ;i坐標(biāo)為 放電周波序號，取值范圍為1?50 ; 將PRPS每個i坐標(biāo)累加即得PRPD圖譜，其計算公式為：
將PRH)每個j坐標(biāo)累加即得N-P圖譜，其計算公式為： J
J 將PRro每個k坐標(biāo)的統(tǒng)計最大值即得Q-P圖譜，其計算公式為： Qmax[k] = max(j) 〇
3. 如權(quán)利要求1所述的一種基于樸素貝葉斯分類的局部放電診斷方法，其特征是，所 述步驟（3)中進(jìn)行特征提取的方法具體為： 提取25個特征，其中前11個在PRPD圖譜上提取，后14個分別在N-P圖譜和Q-P圖譜 上提取。
4. 如權(quán)利要求1所述的一種基于樸素貝葉斯分類的局部放電診斷方法，其特征是，所 述步驟（4)中利用等寬離散化方法對特征提取后的數(shù)據(jù)進(jìn)行離散化是將特征的值域劃分 成具有相同寬度的區(qū)間，假定輸入為：數(shù)據(jù)集合S，實(shí)例數(shù)n，屬性個數(shù)m，類型個數(shù)k ;輸出 為：離散化后的數(shù)據(jù)集合SS ;具體離散化方法為： 1) 根據(jù)數(shù)據(jù)集合求出各屬性的最大值max和最小值min，max[i]和min[i]分別表示 第i個屬性的最大值和最小值； 2) 給定離散區(qū)間數(shù)為L，計算各屬性的離散化寬度為： width[i] = (max[i]-min[i])/L，width[i]表示第 i 個屬性的離散化寬度； 3) 得到切點(diǎn)集為： gather [i] = {min [i] +width [i], min [i] +2*width [i], . . . ,min[i] + (L-I) *width [i]}，gather [i]表示第i個屬性的切點(diǎn)集； 4)對數(shù)據(jù)集S離散化，對各屬性有屬性值在[min[i]，min[i]+t*width[i]就離散化為 t，比如t為1就是離散化為1 ;輸出離散化后的數(shù)據(jù)集SS。
5. 如權(quán)利要求1所述的一種基于樸素貝葉斯分類的局部放電診斷方法，其特征是，所 述步驟（4)中利用等頻率離散化方法對特征提取后的數(shù)據(jù)進(jìn)行離散化是將相同數(shù)量的對 象放進(jìn)每個區(qū)間，假定輸入為：數(shù)據(jù)集合S，實(shí)例數(shù)n，屬性個數(shù)m，類型個數(shù)k ;輸出為：離散 化后的數(shù)據(jù)集合SS ;具體離散化方法為： a) 統(tǒng)計實(shí)例數(shù)η的所有約數(shù)作為要分的份數(shù)，即為al, a2, . . .，an，也是al, a2, . . .，an 份； b) 定義離散化寬度為width = n/ai ; c) 對數(shù)據(jù)集合S的前1到width行的值都改為1，width+1到2*width行的值都改為 2,以此類推得：（ai_l)*width+l到ai*width行的值都改為ai ; d) 輸出離散化后的數(shù)據(jù)集SS。
6. 如權(quán)利要求1所述的一種基于樸素貝葉斯分類的局部放電診斷方法，其特征是，所 述步驟（5)中利用樸素貝葉斯進(jìn)行局部放電模式識別的方法為： 樸素貝葉斯是通過訓(xùn)練集訓(xùn)練而歸納出的分類器；分類過程中，將事件的先驗(yàn)概率和 后驗(yàn)概率聯(lián)系起來，利用先驗(yàn)信息和樣本數(shù)據(jù)確定事件的后驗(yàn)概率；樸素貝葉斯分類器在 估計類條件概率時假設(shè)屬性之間條件獨(dú)立； 給定一個實(shí)例數(shù)據(jù)集 E，E = (X1, X2, X3......Xn，C}，其中 X1, X2, X3......Xn， 是屬性變量，C是類型變量，其取值為{Cl，c2, C3......cm}，\的取值為x i;則實(shí) 例Ii= {χ η X2......xj屬于Cj的概率由貝葉斯表示為P (c』I X1, x2, . . .，xn)= P(X" X2, · · ·，Xn|Cj)*P(Cj)， 其中，P (Cj)是類Cj的先驗(yàn)概率，P (x x2, . . .，xn I Cj)是類Cj的條件概率， P (Cj I X1, X2, ...，xn)是類Cj的后驗(yàn)概率； 經(jīng)樸素貝葉斯選擇后驗(yàn)概率最大的類h為該實(shí)例I ^勺類標(biāo)簽，即得到局部放電的故障 類別。
【專利摘要】本發(fā)明公開了一種基于樸素貝葉斯分類的局部放電診斷方法，包括：進(jìn)行數(shù)據(jù)采集，然后對采集的信號進(jìn)行抗干擾處理；將處理后的信號轉(zhuǎn)存為一個二維數(shù)組，根據(jù)PRPS圖譜分別得到PRPD圖譜、N-P圖譜和Q-P圖譜；分別在所述PRPD圖譜、N-P圖譜和Q-P圖譜上進(jìn)行特征提取；利用等寬離散化方法或者等頻率離散化方法對特征提取后的數(shù)據(jù)進(jìn)行離散化；利用樸素貝葉斯得到局部放電的故障類別。本發(fā)明有益效果：本發(fā)明的診斷方法正確率為80.5％，可以滿足現(xiàn)場的實(shí)際應(yīng)用。同時，對等寬和等頻兩類典型的無監(jiān)督的離散化方法做了詳細(xì)的研究，指出等頻離散化方法優(yōu)于等寬離散化方法，并給出了等頻離散化方法最優(yōu)的經(jīng)驗(yàn)值。
【IPC分類】G06F19-00, G01R31-12
【公開號】CN104535905
【申請?zhí)枴緾N201410768520
【發(fā)明人】郭志紅, 陳玉峰, 路光輝, 王輝, 杜修明, 雍明超, 周鐘, 牧繼清, 姬波
【申請人】國家電網(wǎng)公司, 國網(wǎng)山東省電力公司電力科學(xué)研究院
【公開日】2015年4月22日
【申請日】2014年12月11日