一种固体绝缘环网柜局部放电模式识别方法及装置与流程

本发明涉及领域，特别是涉及一种固体绝缘环网柜局部放电模式识别方法及其装置。

背景技术：

固体绝缘环网柜作为智能配电网中的关键设备，在长期使用过程中，受到自身绝缘老化和外界环境因素干扰，容易使得环网柜内部产生局部放电(以下简称“局放”)现象，从近几年的环网柜使用情况看，因局部放电造成的事故数占了整个配网事故的一半以上。因此，需要针对开关设备的局部放电进行检测监测，局部放电因不同因素影响而产生不同的局部放电模式，局部放电模式有4种分别为金属突出物放电、绝缘子表面金属放电、气隙放电、自由金属微粒放电，不同放电模式造成的危害也不尽相同，对局放信号进行有效的模式识别，可以进一步准确地了解和掌握开关设备内部出现的绝缘缺陷类型和特征，以便进一步判断其绝缘可靠性，对于检修工作都有着十分重要的工程意义。

目前，常用在局部放电模式识别方法首先建立典型局部放电模型，通过加压试验获取各模型的局部放电信号；然后根据得到的局部放电信号绘制局部放电的中φ一q图或φ-n图，并从图中提取各类典型局部放电的统计特征参数；再以各类典型局部放电的统计特征参数作为初始训练样本对支持向量机分类器进行训练；最后用训练好的支持向量机分类器对开关柜局部放电模式进行识别。

但是，由于局部放电信号的特征参数的分布是重叠的、非线性的和复杂的，标准支持向量机的方法无法处理非线性问题，只能处理小样本数据，导致在样本数量较多时处理准确性低甚至无法处理。

因此，如何提供一种能够大样本数据的固体绝缘环网柜局部放电模式识别方法及其装置是本领域技术人员目前需要解决的问题。

技术实现要素：

本发明的目的是提供一种固体绝缘环网柜局部放电模式识别方法及其装置，不需要考虑局放信号的特征参数的分布规律，即可判断实际局放信号的放电模式，能够对大样本数据进行处理，识别准确性高。

为解决上述技术问题，本发明提供了一种固体绝缘环网柜局部放电模式识别方法，包括：

设置多个局放信号的特征参数的训练样本；

依据所述训练样本以及支持向量描述算法确定每类放电模式的分离超球体，其中，每个所述分离超球体内仅包含自身对应的一类放电模式的全部训练样本；

分别将每个所述分离超球体的当前半径作为初始值进行自适应处理计算，得到各个所述分离超球体的最优半径，依据所述最优半径，调整各个所述分离超球体得到每类放电模式对应的最优超球体；

采集实际局放信号，获取所述实际局放信号内的特征参数；

确定所述实际局放信号内的特征参数所处的最优超球体，该最优超球体对应的放电模式即为所述实际局放信号的放电模式。

优选地，所述特征参数为F_{n、m、g、p}＝{ΔQ,ΔT,ΔU,A_u,K_u,m_cc,S_k,Γ}，其中，ΔQ为放电电荷量、ΔT为相邻放电时间间隔、ΔU为相邻局放脉冲幅值差异信息、A_u为最大放电脉冲幅值比值、S_k为偏斜度、K_u为陡峭度、m_cc为修正相关系数、Γ为相对幅值离散度。

优选地，还包括：

若所述实际局放信号内的特征参数处于全部最优超球体之外，则所述实际局放信号为干扰信号。

优选地，所述自适应处理计算的过程具体为：

步骤s201：将所述分离超球体的当前半径作为初始值输入自适应处理器，得到第一输出结果y(n)，自适应处理计算的输出半径的关系式为：

R(n)＝d(n)-y(n)

最小误差为ε(n)；

其中，λ为指数加权因子；d(n)为期望响应；根据自适应算法最小均方误差准则得到标准关系式：

步骤s202：将得到的输出半径作为初始值，返回步骤s201，重复计算，直至得到的误差满足误差精度，此时得到的输出半径为所述最优半径。

为解决上述技术问题，本发明还提供了一种固体绝缘环网柜局部放电模式识别装置，包括：

样本设置模块，用于设置多个局放信号的特征参数的训练样本；

分类器初始确定模块，用于依据所述训练样本以及支持向量描述算法确定每类放电模式的分离超球体，其中，每个所述分离超球体内仅包含自身对应的一类放电模式的全部训练样本；

最优调整模块，用于分别将每个所述分离超球体的当前半径作为初始值进行自适应处理计算，得到各个所述分离超球体的最优半径，依据所述最优半径，调整各个所述分离超球体得到每类放电模式对应的最优超球体；

实际特征识别模块，用于采集实际局放信号，获取所述实际局放信号内的特征参数；

类别判断模块，用于确定所述实际局放信号内的特征参数所处的最优超球体，该最优超球体对应的放电模式即为所述实际局放信号的放电模式。

优选地，所述类别判断模块还包括：

干扰判断单元，用于确定所述实际局放信号内的特征参数是否处于全部最优超球体之外，若是，则判定所述实际局放信号为干扰信号。

本发明提供了一种固体绝缘环网柜局部放电模式识别方法及其装置，获取多个局放信号的特征参数的训练样本后，依据训练样本以及支持向量描述算法得到每类放电模式的分离超球体，此时每个分离超球体内仅包含其对应的一类放电模式下的全部训练样本，之后再依据自适应算法对分离超球体的半径进行优化，得到最优超球体，该最优超球体能够尽可能包含其对应的一类放电模式下的全部实际样本。可见，本发明不需要考虑局放信号的特征参数的分布规律，只需要判断其处于哪个最优超球体内，即可判断实际局放信号的放电模式，故本发明能够对大样本数据进行处理，识别准确性更高。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种固体绝缘环网柜局部放电模式识别方法的过程的流程图；

图2为本发明提供的一种固体绝缘环网柜局部放电模式识别装置的结构示意图。

具体实施方式

本发明的核心是提供一种固体绝缘环网柜局部放电模式识别方法及其装置，不需要考虑局放信号的特征参数的分布规律，即可判断实际局放信号的放电模式，能够对大样本数据进行处理，识别准确性高。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种固体绝缘环网柜局部放电模式识别方法，参见图1所示，图1为本发明提供的一种固体绝缘环网柜局部放电模式识别方法的过程的流程图；该方法包括：

步骤s101：设置多个局放信号的特征参数的训练样本；

步骤s102：依据训练样本以及支持向量描述算法确定每类放电模式的分离超球体，其中，每个分离超球体内仅包含自身对应的一类放电模式的全部训练样本；

步骤s103：分别将每个分离超球体的当前半径作为初始值进行自适应处理计算，得到各个分离超球体的最优半径，依据最优半径，调整各个分离超球体得到每类放电模式对应的最优超球体；

步骤s104：采集实际局放信号，获取实际局放信号内的特征参数；

步骤s105：确定实际局放信号内的特征参数所处的最优超球体，该最优超球体对应的放电模式即为实际局放信号的放电模式。

具体的，这里的特征参数为F_{n、m、g、p}＝{ΔQ,ΔT,ΔU,A_u,K_u,m_cc,S_k,Γ}，其中，ΔQ为放电电荷量、ΔT为相邻放电时间间隔、ΔU为相邻局放脉冲幅值差异信息、A_u为最大放电脉冲幅值比值、S_k为偏斜度、K_u为陡峭度、m_cc为修正相关系数、Γ为相对幅值离散度。

其中，上述8项信息：ΔQ、ΔT、ΔU、A_u、S_k、K_u、m_cc、Γ是采集局放信号后得到的特征信息，之后将其回合为特征参数即为F_{n、m、g、p}。另外，前四项ΔQ、ΔT、ΔU、A_u为不同放电模式下的综合特征信息，用来识别采集到的信号是否确实来自于局部放电，排除干扰信号的影响；后四项统计参数S_k、K_u、m_cc、Γ则是用于限定不同放电模式不同的参数范围，从而实现局放模式的准确识别。

进一步可知：

第一：放电电荷量ΔQ可以从宏观角度上表征局部放电信息，其中，局放信号的幅值与局放信号的放电电荷量存在二次积分成正比关系，因此：

其中，N为一个工频周期内放电次数；u_i表示第i个放电脉冲幅值。

第二：相邻放电时间间隔ΔT是指正负半周放电脉冲的密集程度的不同，即正负半周相邻放电脉冲的时间间隔的差异。即：

ΔT_max＝max(ΔT₁,ΔT₂,...,ΔT_N)

其中，N⁺，N^-分别表示一个工频周期正负半周放电次数；Δt_i⁺(i＝1,2,…N⁺)，Δt_i^-(i＝1,2,…N^-)分别表示一个工频周期正负半周相邻放电脉冲的时间间隔；ΔT_i＝ΔT⁺+ΔT^-(i＝1,2,…N-1)表示一个工频周期中相邻两次放电脉冲时间间隔；ΔT_max表示整个工频周期内相邻两次放电脉冲最大时间间隔。由于放电时间十分迅速难以捕捉准确，故用相邻两次放电时间的间隔取均值作为放电脉冲时间间隔。

第三：ΔU相邻局放脉冲幅值差异信息的关系式为：

ΔU_n＝U_n+1-U_n

通过对正负半周相邻放电脉冲幅值特征进行分析发现，ΔU作为局部放电的表征信息，ΔU的值越小说明相邻两局放脉冲信号幅值差异越小，放电强度越强。反之，放电强度越小。

第四，由于局放脉冲信号幅值是变化的，故用最大放电脉冲幅值比值A_u来表征正负半周放电最严重程度差异性。A_u的表达关系式为：

第五，偏斜度S_k的定义为：

其中，偏斜度S_k反映了谱图形状相对于正态分布的左右偏斜情况，S_k＝0说明谱图左右对称；S_k>0说明谱图往左偏；S_k<0说明谱图往右偏。x_i为第i个相窗的相位；μ为信号均值，为i个相位的均值，σ为为方差，W为半周期内的相窗总数。

第六：陡峭度K_u用于描述某种局放模式形状对比于正态分布的突起程度其定义为：

其中，x_i是第i个相窗的相位，Δx是相窗的宽度，W是半周期内的相窗数，K_u>0说明该模式下的图谱比正态分布轮廓要尖锐陡峭，反之，比正态分布轮廓平坦。

第七：修正相关系数m_cc是在原有互相关系数cc下提出用于评价谱图正负半周内放电模式的差异，其关系式为：

其中，Q为放电量，是相位，q_i是相窗i内的平均放电量，上标“+”“-”对应于谱图的正负半周，互相关系数cc反映了谱图在正负半周内的形状相似程度，互相关系数cc接近1，意味着正负半周轮廓十分相似，反之，正负半周形状差异大。

第八：相对幅值离散度Γ表征不同局放模式下正负半周幅值参数的密集程度，其关系式如下：

Γ＝Γ⁺/Γ^-

其中，Γ⁺和Γ^-分别表示正半周和负半周离散程度。

另外，步骤s102的过程具体为：

首先任取一种分类器，将n类金属突出物放电的训练样本F_n作为目标样本，其余放电模型的训练样本作为非目标样本进行SA-SVDD学习，得到能够将n类金属突出物放电模型的训练样本和其它放电模型的训练样本分离的SA-SVDDn；同理，按照特征参数F_m可得用于分离m类绝缘子表面金属放电模型的SA-SVDDm、按照特征参数F_g可得用于分离g类气隙放电模型SA-SVDDg分以及按照特征参数F_p可得用于分离p类自由金属微粒放电类型的SA-SVDDp。其中，SA-SVDDn、SA-SVDDm、SA-SVDDg、SA-SVDDp即为分离超球体。

之后，将分别将各类放电模型作为目标样本送入自适应算法中计算出其对应的最优半径值，构成能将各类放电模型和其他三类放电模型分离开的最优超球体Θ0。用以区别其它三类的最优半径R表达式为其中，N(n)为初级噪声信号；是器件本身产生的噪声信号；为输出y(n)的最佳估计值。

其中，上述自适应处理计算的过程具体为：

步骤s201：将分离超球体的当前半径作为初始值输入自适应处理器，得到第一输出结果y(n)，自适应处理计算的输出半径的关系式为：

R(n)＝d(n)-y(n)

最小误差为ε(n)，其关系式为：

其中，λ为指数加权因子；d(n)为期望响应；根据自适应算法最小均方误差准则得到标准关系式：

可以理解的是，上述关系式是为了将函数表达式写成标准的维纳方程的形式，方便后面利用迭代公式求解出最小的误差值即得到最优半径值。左边括号中这部分定义为Q(n)，右边这部分定义为P(n)，则上式简化为Q(n)w＝P(n)得出维纳解为w＝Q^-1(n)P(n)，然后，利用迭代形式展开，将上式化简为：

w(n)＝w(n-1)+Q^-1(n)x(n)R(n|n-1)

步骤s202：将得到的输出半径作为初始值，返回步骤s201，重复计算，直至得到的误差满足误差精度，此时得到的输出半径为最优半径。

可以理解的是，自适应算法实际上是一种递归算法，以最小二乘方准则为依据。算法的关键是用二乘方的时间平均的最小化准则，取代最小均方准则，井按时间进行迭代计算。具体来说，是要对初始时刻到当时时刻所有误差的平方进行平均并使其最小化，再按照这一准则确定权系数矢量。

其中，自适应处理计算的最小误差为：

对于非平稳输入信号，为了能很好地进行跟踪，常引入一个指数加权因子(也就是遗忘因子λ)对该式进行修正，得：

根据自适应算法最小均方误差准则判定权矢量的关系式为：

整理后即得到上述标准关系式：

对上述标准关系式进行反复迭代计算，在满足误差精度的前提下即可获取每类放电模型的最优R(n)。

作为优选地，该方法还包括：

若实际局放信号内的特征参数处于全部最优超球体之外，则实际局放信号为干扰信号。

可以理解的是，

本发明提供了一种固体绝缘环网柜局部放电模式识别方法，获取多个局放信号的特征参数的训练样本后，依据训练样本以及支持向量描述算法得到每类放电模式的分离超球体，此时每个分离超球体内仅包含其对应的一类放电模式下的全部训练样本，之后再依据自适应算法对分离超球体的半径进行优化，得到最优超球体，该最优超球体能够尽可能包含其对应的一类放电模式下的全部实际样本。可见，本发明不需要考虑局放信号的特征参数的分布规律，只需要判断其处于哪个最优超球体内，即可判断实际局放信号的放电模式，故本发明对于不同样本数据的场合，识别精度都能达到要求，能够对大样本数据进行处理，通用性更强。同时，本发明的分类器漏分、错分的情况极少，分类准确度和识别精度高。并且，采用的自适应算法收敛速度快，对于不同研究对象都能有较高的计算能力。

本发明还提供了一种固体绝缘环网柜局部放电模式识别装置，参见图2所示，图2为本发明提供的一种固体绝缘环网柜局部放电模式识别装置的结构示意图。该装置包括：

样本设置模块1，用于设置多个局放信号的特征参数的训练样本；

分类器初始确定模块2，用于依据训练样本以及支持向量描述算法确定每类放电模式的分离超球体，其中，每个分离超球体内仅包含自身对应的一类放电模式的全部训练样本；

最优调整模块3，用于分别将每个分离超球体的当前半径作为初始值进行自适应处理计算，得到各个分离超球体的最优半径，依据最优半径，调整各个分离超球体得到每类放电模式对应的最优超球体；

实际特征识别模块4，用于采集实际局放信号，获取实际局放信号内的特征参数；

类别判断模块5，用于确定实际局放信号内的特征参数所处的最优超球体，该最优超球体对应的放电模式即为实际局放信号的放电模式。

作为优选地，类别判断模块5还包括：

干扰判断单元，用于确定实际局放信号内的特征参数是否处于全部最优超球体之外，若是，则判定实际局放信号为干扰信号。

本发明提供了一种固体绝缘环网柜局部放电模式识别装置，获取多个局放信号的特征参数的训练样本后，依据训练样本以及支持向量描述算法得到每类放电模式的分离超球体，此时每个分离超球体内仅包含其对应的一类放电模式下的全部训练样本，之后再依据自适应算法对分离超球体的半径进行优化，得到最优超球体，该最优超球体能够尽可能包含其对应的一类放电模式下的全部实际样本。可见，本发明不需要考虑局放信号的特征参数的分布规律，只需要判断其处于哪个最优超球体内，即可判断实际局放信号的放电模式，故本发明能够对大样本数据进行处理，识别准确性更高，通用性更强。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。