1.一种局部放电超高频单次波形频域特征提取及识别方法,其特征在于,包括以下步骤:
1)采集不同局部放电类型的多组局部放电超高频单次放电信号;
2)对多组同一放电类型的超高频单次放电信号进行快速傅里叶变换,得到多组一维功率谱数组FreArray,多组一维功率谱数组FreArray构成同一放电类型的功率谱矩阵FreMatrix;
3)对同一放电类型的功率谱矩阵FreMatrix进行奇异值分解,取奇异值最大值对应的一维向量,得到同一放电类型的功率谱矩阵FreMatrix的特征向量,即该特征向量对应同一放电类型超高频单次波形的特征向量;
4)对不同放电类型重复步骤2)和3)的操作,得到不同放电类型超高频单次波形的特征向量;
5)利用步骤4)提取的特征向量,采用有监督的学习方法训练局部放电类型的识别模型,并利用识别模型对放电类型进行识别。
2.根据权利要求1所述的局部放电超高频单次波形频域特征提取及识别方法,其特征在于,步骤2)的具体实现方法如下:
201)对超高频单次波形采用快速傅里叶变换,得到单次波形的一维功率谱数组FreArray;
202)对同一个放电类型的多个超高频单次波形重复201)步骤,将FFT变换的多个FreArray按行组合得到同一放电类型的功率谱矩阵FreMatrix,其中行表示一个单次波形的功率谱,列表示样本数。
3.根据权利要求1所述的局部放电超高频单次波形频域特征提取及识别方法,其特征在于,步骤5)的具体实现方法如下:
501)得到不同放电类型的FreMatrix,将FreMatrix归一化到[-1,1]的范围内,之后将其分为测试集和训练集;
502)采用有监督学习的方法,利用训练集得到识别模型;
503)将测试集带到识别模型中,检验识别模型的效果,并根据识别精度,调整模型参数;
504)重复502)和503)步,直至达到满足要求的识别精度,即得到对应的局部放电超高频单次波形识别模型。
4.根据权利要求3所述的局部放电超高频单次波形频域特征提取及识别方法,其特征在于,步骤501)中,将FreMatrix归一化到[-1,1]的范围内,公式如下所示:
其中,ymax为1,ymin为-1,x为特征参量,xmin为特征参量的最小值,xmax为特征参量的最大值。
5.根据权利要求3所述的局部放电超高频单次波形频域特征提取及识别方法,其特征在于,步骤502)中,利用支持向量机根据训练集进行识别模型的训练,得到SVM的识别模型,支持向量机的核函数如下所示:
K(x,y)=exp(-gamma×|x-y|2) (2)
其中,x为特征参量,y为放电类型对应的值,gmmma为默认值1/(特征值个数)。
6.根据权利要求5所述的局部放电超高频单次波形频域特征提取及识别方法,其特征在于,gmmma的取值为1/2000;惩罚参数为默认值1。