GIS局部放电的故障检测 中。而这应用的优点在下面给出其优势和创新点：
[0035] 1)本发明首次提出特征频段的概念，使得GIS故障检测中研究的数据不再是全频 段上而是某些特殊频段内的数据，这一思路也可进一步推广到整个GIS局放研究中，如典 型缺陷特征图谱的绘制等等，为GIS局放的研究提供新思路。
[0036] 2)特征频段的选取的目的在于寻找典型缺陷放电极具特点的分布频段，在这一频 段中，信号可以更加具有代表性的反映该缺陷局放特点。特征频段的选取使我们后期故障 研究中忽略一些频段信号而仅选取更具有代表性特征频段数据，使的信号研究数据在一定 程度上更加集中，这一过程很类似工程中滤波，本发明中"滤"的过程使得检测相对简单，而 且出错率相对会减小，因为杂散的信号的不确定性较大，会使得数据的训练过程加长，分类 器设计困难增大，不利于故障的识别。
[0037] 本发明以超高频信号为研究对象进行故障检测，利用UHF频段信号，避开了电网 中主要电磁干扰的频率，具有良好的抗电磁干扰能力，相对于振动检测法而言，其局部放电 有效检测范围大，便与实际的应用。而且经研究典型缺陷放电超高频信号功率谱的特点后 发现不同缺陷的信号在频域内分布特点不同，于是提出典型缺陷放电的特征频段概念，并 确定不同典型缺陷放电的特征频段，将特征频段这一参数大胆应用到基于超高频信号的 GIS局部放电故障检测中，使GIS局部放电故障检测和特征频段紧密联系起来，为GIS局部 放电领域的研究提供新的新思路。 【【附图说明】】
[0038] 图1为本发明检测方法流程图；
[0039] 图2为典型缺陷局部放电特征频段标定流程图；
[0040] 图3为基于MATLAB工具的FIR带通滤波器设计流程图；
[0041] 图4为GIS金属尖端缺陷局部放电单脉冲时域波形和功率谱；
[0042] 图5为GIS悬浮电极缺陷局部放电单脉冲时域波形和功率谱。 【【具体实施方式】】
[0043] 请参阅图1所示，本发明的一种基于特征超高频信号GIS局部放电故障检测方法， 包括以下步骤：
[0044] -、建立基于特征超高频信号的典型绝缘缺陷故障特征样本库
[0045] 1)、结合目前GIS研究状况制作金属尖端（简称JD)、悬浮电极（简称XF)、绝缘子 表面污秽（简称JBW)、绝缘子气隙（简称JQ)、自由颗粒（简称ZY)五种典型缺陷模型；
[0046] 2)、依次选取5种典型缺陷放置到GIS上进行单一典型缺陷放电试验，并利用外置 式高带宽的超高频传感器和2GS/s的采样率的高速数字示波器采集实验数据；同步采集并 记录10个不同放电电压强度下的各典型缺陷超高频放电数据和实验工频电压数据，工频 电压的采集主要用于放电相位的确定，数据采集步骤如下：
[0047] 2. 1)依次选取5种典型缺陷进行单一典型缺陷放电实验，重复步骤2. 2)到2. 3) 直至5种典型缺陷放电实验结束。
[0048] 2. 2)确定各典型缺陷放电起始放电电压Ul和击穿电压U2,其中加压实验的过程 中首次出现放电现象的放电电压为起始电压和放电量突然剧增至击穿的放电电压为击穿 电压。
[0049] 2. 3)将该缺陷的起始电压和击穿电压之间分成10个电压等级进行逐级加压进行 放电实验，利用高速大容量数字示波器同步记录各级电压下超高频放电数据和实验工频电 压数据，每个电压等级下记录15组数据，每组数据记录IOOms内放电波形和工频电压波形。
[0050] 3)、自适应标定各典型缺陷的特征频段，五种典型缺陷的特征频 段依次记为：Fxf、F_、F zy，各特征频段的截止频率上下限分别为
，具体步骤为下：
[0051] 3. 1)依次对5种典型缺陷放电数据重复步骤3. 2)到3. 4)直至完成5种典型缺陷 的特征频段自适应标定，最终得到五种典型缺陷的特征频段。
[0052] 3. 2)对某一种典型缺陷的超高频放电数据进行2048个点的FFT变换，得到放电序 列数据。
[0053] 3. 3)以550MHz为起始中心频点、50MHz为步长、结束中心频率为1250MHz的带宽 为500MHz (中心频点左右各250MHz)频段有15个，分别通过在频域内滤波的方式把中心频 点对应带宽外的其他频段信号滤掉，提取不同电压下在这15个频段的放电信号。求取每个 频段的总放电量，得到15组记录了每个小频段下电压和与之对应总放电量的数据，绘制以 每个频段下电压为横坐标，对应总放电量为纵坐标的折线图，共15条电压-放电量折线图。 频段总放电量等于该频段各频点放电幅值的加权和。
[0054] 3. 4)查询15条折线中变化最灵敏的一条。首先借助MTLAB工具利用最小二乘法 以每条折线的首尾端点和折线拐点为数据拟合直线Yi= k AdbiQ = 1，......，15)，然后计 算拟合直线yi(i = 1，……，15)的斜率并比较折线斜率，斜率最大的拟合直线对应折线为 变化最灵敏的曲线，这个曲线对应的频段为该缺陷的特征频段。
[0055] 4)、建立基于特征超高频信号的典型缺陷故障特征样本库，记为Ku;D、Ku XF、KuJBW、 Ku.jq > Ku_2Y °
[0056] 本放电样本特征库的特征参数是基于各典型缺陷对应特征频段内信号进行计算， 而非目前采用全频段数据进行计算。特征参数提取过程如下：利用特征频段的数据绘制 局部放电PRro模式下的放电谱图：放电次数一相位图、放电重复率一相位图、相位一放电 量一放电次数三维谱图，然后根据谱图确定各典型缺陷故障特征样本库的特征参数：最大 放电相位，放电重复率、偏斜度、陡峭度、局部峰点数、放电量因数、互相关系数，谱图的绘制 和特征参数的计算可参照目前局放资料和公式，在此不再赘述。
[0057] 二、对未知缺陷的GIS局部放电进行放电故障类型识别。
[0058] 5)、同样用宽频带超高频传感器和2GS/s采样率的数字示波器的同步采集并记录 未知缺陷的GIS局部放电超高频放电数据和工频电压。
[0059] 6)、基于各典型缺陷的特征频段，根据设计流程如图2利用MATLAB 工具设计相应的FIR滤波器，（五类典型缺陷相应所需的滤波器依次记为： FIIV FIRxf、FIR;BW、FIR# FIRzy，各FIR滤波器的通带截止频率上下限分别为
利用各缺陷对应的FIR滤波器对 步骤5)采集的未知缺陷的超高频信号进行带通滤波，得到在各特征频段内放电数据，依次 记为：Qjd、 Qxf、Qjbw、Qjq、Qzyo
[0060] 7)、利用步骤6)获得的各特征频段内的放电数据（Q;D、QXF、Q胃、Q ;(j、Qzy)计算得到 5类待识别放电特征样本集，样本集同样包括最大放电相位，放电重复率、偏斜度、陡峭度、 局部峰点数、放电量因数、互相关系数7个参数，此处7个参数的计算是分别由五个特征频 段内的放电数据计算所得，共计5组待识别特征集，记为TDSi = 1、2、3、4、5。
[0061] 8)、利用基于二阶梯度法的改进BP神经网络方法，利用MATLAB工具对未知缺陷局 部放电进行故障分类识别，识别的具体步骤为下：
[0062] 1)确定5类分类器，5个分类器分别记为：FLQ;D、FLQxf、FLQ ;BW、FLQ;(j、FLQzy，依次用 于判定待识别缺陷为JD、XF、JBW、JQ、ZY放电，即这类分类器的作用是将该缺陷放电和非该 种缺陷放电分开，5个分类器依次确定的具体步骤为下：
[0063] a)模式识别训练样本集的确定，每个分类器的训练样本集由两类组成，其中一类 样本为该缺陷放电的样本特征库，另一类样本由非该种缺陷放电的其他四种缺陷放电样本 特征库组成，且这四种样本库必须同时有样本被抽中进行训