一种局部放电超高频单次波形频域特征提取及识别方法与流程

技术特征：

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：

$y=(ymax-y\min )*\frac{(x-xmin)}{(xmax-x\min )}+y\min ---\left(1\right)$

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。