一种修正超声波局部放电检测的方法和系统的制作方法

文档序号:10487406阅读:558来源:国知局
一种修正超声波局部放电检测的方法和系统的制作方法
【专利摘要】本发明提供一种修正超声波局部放电检测的方法,包括从历史数据中提取多个局部放电信号线性频谱后处理,得到系数矩阵及每一局部放电信号的主成分特征,构建出局部放电信号的分类模型及每一类的线性频谱均值;获取纯噪声信号的线性频谱均值,根据系数矩阵,得到纯噪声超声波信号的分类模型;将局部放电信号每一类的线性频谱均值与纯噪声信号的线性频谱均值相加,修正局部放电信号的分类模型;获取待检信号,根据系数矩阵得到待检信号的主成分特征并引入纯噪声及局部放电信号修正后的分类模型中,筛选出欧氏距离最小对应分类模型中的信号输出。实施本发明,避免人工因素干扰,引入特征维数低,训练数据少,从而达到省时省力且检测结果客观的目的。
【专利说明】
一种修正超声波局部放电检测的方法和系统
技术领域
[0001] 本发明涉及局部放电信号检测技术领域,尤其涉及一种修正超声波局部放电检测 的方法和系统。
【背景技术】
[0002] 为了保障设备的安全稳定运行,需进行绝缘性能检测与故障诊断,而局部放电是 导致设备绝缘事故发生的最主要原因,因此采用超声波检测方法对设备进行局部放电实时 检测,可以全面掌握设备实时运行状况,并可对之后一段时长内的绝缘状态进行预测,同时 根据其绝缘状况采取合适的检修和维护策略,这对保证供电系统的稳定可靠运行具有非常 积极的意义。
[0003] 目前,基于超声波检测局部放电技术的检测设备已投入市场使用,常用的设备有 两种:一种是通过压电原理,将超声波信号转化为电流信号后,经内部处理器将其转化为音 频信号,从而局部放电信号的有无可通过高保真耳机来监听音频信号的异常来判断;另一 种是通过人工设定阈值及报警功能来实现检测,通过dB值显示局部放电超声波信号的大 小。
[0004] 上述两种设备在现场实际检测中都会遇到下面的一些问题:在第一种设备检测过 程中,由于每个人的听觉生理特性的不同,检测人员对监听到的耳机中的音频信号会有不 同的判断,检测结果与检测人员的主观能动性息息相关,容易造成误判;在第二种设备检测 过程中,由于故障判断依靠经验居多,系统检测可靠性不高。
[0005] 因此,为了更准确地检测超声波局部放电信号,一些基于统计的模式识别技术被 应用到实际系统中,但这些技术在应用中也存在着以下不足:(1)特征维数较多,需要大量 的训练数据,而局部放电信号通常不易采集到;(2)当训练环境与实际使用环境不匹配时, 性能会显著下降。

【发明内容】

[0006] 本发明实施例所要解决的技术问题在于,提供一种修正超声波局部放电检测的方 法和系统,能够避免人工因素干扰,且引入特征维数低,训练数据少,从而达到省时省力且 检测结果客观的目的。
[0007] 为了解决上述技术问题,本发明实施例提供了一种修正超声波局部放电检测的方 法,所述方法包括:
[0008] a、从设备高信噪比超声波局部放电信号的历史数据中,提取多个局部放电信号, 并将所述提取的多个局部放电信号均转换为线性频谱后通过主成分分析法处理,得到P维 主成分系数矩阵,且根据所述得到的P维主成分系数矩阵,得到每一局部放电信号的P维主 成分特征,进一步将所述得到的每一局部放电信号的P维主成分特征进行无监督聚类,得到 局部放电信号的分类模型及其对应每一类的线性频谱均值;其中,P为自然数;
[0009] b、获取纯噪声超声波信号,并将所述获取到的纯噪声超声波信号转换为线性频谱 后,计算出纯噪声超声波信号的线性频谱均值,且根据所述得到的P维主成分系数矩阵,将 所述纯噪声超声波信号的线性频谱均值转换为所述纯噪声超声波信号的P维主成分特征 后,得到纯噪声超声波信号的分类模型;
[0010] c、将所述局部放电信号分类模型中每一类的线性频谱均值分别与所述纯噪声超 声波信号分类模型的线性频谱均值进行相加,得到相加后的每一类的线性频谱均值,并根 据所述得到的P维主成分系数矩阵,将所述得到的相加后的每一类的线性频谱均值转换为 对应的P维主成分特征后,得到的分类模型作为局部放电信号修正后的分类模型;
[0011] d、获取待检信号,并将所述获取到的待检信号转换为线性频谱,且根据所述得到 的P维主成分系数矩阵,将所述待检信号的线性频谱转换为所述待检信号的P维主成分特 征;
[0012] e、将所述待检信号的P维主成分特征分别引入所述纯噪声超声波信号的分类模型 和所述局部放电信号修正后的分类模型中,计算出所述待检信号分别到所述纯噪声超声波 信号的分类模型和所述局部放电信号修正后的分类模型的欧氏距离,并根据所述得到的两 个欧氏距离,筛选出所述两个欧氏距离中最小值对应的分类模型,进一步将所筛选分类模 型中所对应的信号作为所述待检信号的检测结果输出。
[0013] 其中,所述步骤a具体包括:
[0014]从设备高信噪比超声波局部放电信号的历史数据中,提取多个局部放电信号,并 将所述提取的多个局部放电信号均以一定时长为单位进行分帧后,对所述分帧后的每一局 部放电信号均进行傅里叶变换,得到每一局部放电信号的线性频谱;
[0015] 通过主成分分析法对任一局部放电信号的线性频谱进行降维处理,得到P维主成 分系数矩阵,并根据所述得到的P维主成分系数矩阵,对所述提取的每一局部放电信号均进 行线性变换,得到每一局部放电信号的P维主成分特征;
[0016] 采用k-mean算法同时对所述得到的每一局部放电信号的P维主成分特征进行无监 督聚类,计算出多个聚类中心并保存作为局部放电信号的分类模型;
[0017] 按照同一类线性频谱相加后求平均值的原则,对所述局部放电信号的分类模型中 每一类所含的线性频谱进行计算,得到所述局部放电信号的分类模型中每一类的线性频谱 均值。
[0018] 其中,所述步骤b具体包括:
[0019] 在获取所述待检信号之前,获取实际环境一段时间范围内的纯噪声超声波信号, 并将所述获取到的纯噪声超声波信号以一定时长为单位进行分帧后,对所述分帧后的纯噪 声超声波信号均进行傅里叶变换,得到所述纯噪声超声波信号的线性频谱;
[0020] 将所述得到的纯噪声超声波信号的线性频谱相加后求平均值,作为所述纯噪声超 声波信号的线性频谱均值;
[0021] 根据所述得到的P维主成分系数矩阵,将所述纯噪声超声波信号的线性频谱均值 转换为所述纯噪声超声波信号的P维主成分特征后,得到只包含一个聚类中心的分类模型 并保存作为所述纯噪声超声波信号的分类模型。
[0022]其中,所述步骤c具体包括:
[0023]确定所述局部放电信号分类模型中每一类的线性频谱均值,并将所述纯噪声超声 波信号分类模型的线性频谱均值分别与所述确定的每一类的线性频谱均值相加,得到相加 后的每一类的线性频谱均值;
[0024]根据所述得到的P维主成分系数矩阵,将所述得到的相加后的每一类的线性频谱 均值转换为对应的P维主成分特征后,得到只包含一个聚类中心的分类模型并保存作为所 述局部放电信号修正后的分类模型。
[0025]其中,所述步骤e具体包括:
[0026] 将所述待检信号的P维主成分特征分别引入所述纯噪声超声波信号的分类模型和 所述局部放电信号修正后的分类模型中,计算出所述待检信号分别到所述纯噪声超声波信 号的分类模型和所述局部放电信号修正后的分类模型的欧氏距离;
[0027] 判断所述待检信号到所述纯噪声超声波信号的分类模型的欧氏距离是否小于所 述待检信号到所述局部放电信号修正后的分类模型的欧氏距离;
[0028] 如果是,则所述筛选的分类模型为所述纯噪声超声波信号的分类模型,并将所述 待检信号为纯噪声超声波信号作为检测结果输出;
[0029] 如果否,则所述筛选的分类模型为所述局部放电信号修正后的分类模型,并将所 述待检信号为局部放电信号作为检测结果输出。
[0030] 本发明实施例还提供了一种修正超声波局部放电检测的系统,所述系统包括:
[0031] 局部放电信号分析模型获取单元,用于从设备高信噪比超声波局部放电信号的历 史数据中,提取多个局部放电信号,并将所述提取的多个局部放电信号均转换为线性频谱 后通过主成分分析法处理,得到P维主成分系数矩阵,且根据所述得到的P维主成分系数矩 阵,得到每一局部放电信号的P维主成分特征,进一步将所述得到的每一局部放电信号的P 维主成分特征进行无监督聚类,得到局部放电信号的分类模型及其对应每一类的线性频谱 均值;其中,P为自然数;
[0032] 纯噪声超声波信号分析模型获取单元,用于获取纯噪声超声波信号,并将所述获 取到的纯噪声超声波信号转换为线性频谱后,计算出纯噪声超声波信号的线性频谱均值, 且根据所述得到的P维主成分系数矩阵,将所述纯噪声超声波信号的线性频谱均值转换为 所述纯噪声超声波信号的P维主成分特征后,得到纯噪声超声波信号的分类模型;
[0033] 局部放电信号分析模型修正单元,用于将所述局部放电信号分类模型中每一类的 线性频谱均值分别与所述纯噪声超声波信号分类模型的线性频谱均值进行相加,得到相加 后的每一类的线性频谱均值,并根据所述得到的P维主成分系数矩阵,将所述得到的相加后 的每一类的线性频谱均值转换为对应的P维主成分特征后,得到的分类模型作为局部放电 信号修正后的分类模型;
[0034] 待检信号分析单元,用于获取待检信号,并将所述获取到的待检信号转换为线性 频谱,且根据所述得到的P维主成分系数矩阵,将所述待检信号的线性频谱转换为所述待检 信号的P维主成分特征;
[0035] 待检信号识别单元,用于将所述待检信号的P维主成分特征分别引入所述纯噪声 超声波信号的分类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信号分 别到所述纯噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧氏距 离,并根据所述得到的两个欧氏距离,筛选出所述两个欧氏距离中最小值对应的分类模型, 进一步将所筛选分类模型中所对应的信号作为所述待检信号的检测结果输出。
[0036] 其中,所述局部放电信号分析模型获取单元包括:
[0037] 局部放电信号线性频谱变换模块,用于从设备高信噪比超声波局部放电信号的历 史数据中,提取多个局部放电信号,并将所述提取的多个局部放电信号均以一定时长为单 位进行分帧后,对所述分帧后的每一局部放电信号均进行傅里叶变换,得到每一局部放电 信号的线性频谱;
[0038] 主成分分析模块,用于通过主成分分析法对任一局部放电信号的线性频谱进行降 维处理,得到P维主成分系数矩阵,并根据所述得到的P维主成分系数矩阵,对所述提取的每 一局部放电信号均进行线性变换,得到每一局部放电信号的P维主成分特征;
[0039] 局部放电信号聚类模型计算模块,用于采用k-mean算法同时对所述得到的每一局 部放电信号的P维主成分特征进行无监督聚类,计算出多个聚类中心并保存作为局部放电 信号的分类模型;
[0040] 局部放电信号聚类模型类别均值计算模块,用于按照同一类线性频谱相加后求平 均值的原则,对所述局部放电信号的分类模型中每一类所含的线性频谱进行计算,得到所 述局部放电信号的分类模型中每一类的线性频谱均值。
[0041 ]其中,所述纯噪声超声波信号分析模型获取单元包括:
[0042] 纯噪声超声波信号线性频谱变换模块,用于在获取所述待检信号之前,获取实际 环境一段时间范围内的纯噪声超声波信号,并将所述获取到的纯噪声超声波信号以一定时 长为单位进行分帧后,对所述分帧后的纯噪声超声波信号均进行傅里叶变换,得到所述纯 噪声超声波信号的线性频谱;
[0043] 线性频谱均值计算模块,用于将所述得到的纯噪声超声波信号的线性频谱相加后 求平均值,作为所述纯噪声超声波信号的线性频谱均值;
[0044] 纯噪声超声波信号聚类模型计算模块,用于根据所述得到的P维主成分系数矩阵, 将所述纯噪声超声波信号的线性频谱均值转换为所述纯噪声超声波信号的P维主成分特征 后,得到只包含一个聚类中心的分类模型并保存作为所述纯噪声超声波信号的分类模型。
[0045] 其中,所述局部放电信号分析模型修正单元包括:
[0046] 线性频谱累加模块,用于确定所述局部放电信号分类模型中每一类的线性频谱均 值,并将所述纯噪声超声波信号分类模型的线性频谱均值分别与所述确定的每一类的线性 频谱均值相加,得到相加后的每一类的线性频谱均值;
[0047] 局部放电信号聚类模型修正模块,用于根据所述得到的P维主成分系数矩阵,将所 述得到的相加后的每一类的线性频谱均值转换为对应的P维主成分特征后,得到只包含一 个聚类中心的分类模型并保存作为所述局部放电信号修正后的分类模型。
[0048] 其中,所述待检信号识别单元包括:
[0049] 欧氏距离计算模块,用于将所述待检信号的P维主成分特征分别引入所述纯噪声 超声波信号的分类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信号分 别到所述纯噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧氏距 离;
[0050] 判断模块,用于判断所述待检信号到所述纯噪声超声波信号的分类模型的欧氏距 离是否小于所述待检信号到所述局部放电信号修正后的分类模型的欧氏距离;
[0051] 第一结果输出模块,用于所述筛选的分类模型为所述纯噪声超声波信号的分类模 型,并将所述待检信号为纯噪声超声波信号作为检测结果输出;
[0052]第二结果输出模块,用于所述筛选的分类模型为所述局部放电信号修正后的分类 模型,并将所述待检信号为局部放电信号作为检测结果输出。
[0053]实施本发明实施例,具有如下有益效果:
[0054] 在本发明实施例中,由于使用主成分分析方法可以有效地降低训练数据的维度降 低数据复杂度,同时使用环境噪声均值的对分类模型进行修正,可以有效提高检测方法在 各类噪声环境下的性能,从而能够避免人工因素干扰,且引入特征维数低,训练数据少,从 而达到省时省力且检测结果客观的目的。
【附图说明】
[0055] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述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性的前提下,根据 这些附图获得其他的附图仍属于本发明的范畴。
[0056] 图1为本发明实施例提供的一种修正超声波局部放电检测的方法的流程图;
[0057]图2为图1中步骤Sl的方法流程图;
[0058]图3为图1中步骤S2的方法流程图;
[0059]图4为图1中步骤S3的方法流程图;
[0060]图5为图1中步骤S5的方法流程图;
[0061 ]图6为本发明实施例提供的一种修正超声波局部放电检测的系统的结构示意图。
【具体实施方式】
[0062]为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一 步地详细描述。
[0063] 如图1所示,为本发明实施例中,提供的一种修正超声波局部放电检测的方法,所 述方法包括:
[0064] 步骤S1、从设备高信噪比超声波局部放电信号的历史数据中,提取多个局部放电 信号,并将所述提取的多个局部放电信号均转换为线性频谱后通过主成分分析法处理,得 到P维主成分系数矩阵,且根据所述得到的P维主成分系数矩阵,得到每一局部放电信号的P 维主成分特征,进一步将所述得到的每一局部放电信号的P维主成分特征进行无监督聚类, 得到局部放电信号的分类模型及其对应每一类的线性频谱均值;其中,P为自然数;
[0065] 具体过程为,步骤S11、从设备高信噪比超声波局部放电信号的历史数据中,提取 多个局部放电信号,并将提取的多个局部放电信号均以一定时长为单位进行分帧后,对分 帧后的每一局部放电信号均进行傅里叶变换,得到每一局部放电信号的线性频谱;
[0066] 步骤S12、通过主成分分析法对任一局部放电信号的线性频谱进行降维处理,得到 P维主成分系数矩阵,并根据得到的P维主成分系数矩阵,对提取的每一局部放电信号均进 行线性变换,得到每一局部放电信号的P维主成分特征;
[0067] 步骤S13、采用k-mean算法同时对得到的每一局部放电信号的P维主成分特征进行 无监督聚类,计算出多个聚类中心并保存作为局部放电信号的分类模型;
[0068] 步骤S14、按照同一类线性频谱相加后求平均值的原则,对局部放电信号的分类模 型中每一类所含的线性频谱进行计算,得到局部放电信号的分类模型中每一类的线性频谱 均值。
[0069] 在一个实施例中,第一步、提取信噪比超过20dB的超声波局部放电信号,对提取的 多个局部放电信号均以Is为单位的帧长划分后,进行快速傅里叶变换计算出信号的DFT,得 到多个局部放电信号的线性频谱;
[0070] 第二步、对信号线性频谱进行主成分分析,将信号降成P维,得到P维主成分系数矩 阵。主成分分析中,对于一个样本资料,观测P个变量,η个样品的数据资料阵,具体如公式 (1)所示·
[0071]
[0072]式(1)中的变量即为音频片段的线性频谱。
[0073] 此时,主成分分析将ρ个观测变量综合成为ρ个新的综合变量,可变化为公式(2)所 示:
[0074]
[0075] 式(2)中,F1-Fn新的综合变量,即原来信号ρ个变量的主成分;F1的方差最大称为第 一主成分用,F 2的方差次大称为第二主成分,以此类推。
[0076] 用主成分分析(PCA)方法计算出上述方程式(2)的系数,即:
[0077] Α、对原始数据进行标准化处理,如公式(3)所示;
[0078]
[0079]
[0080] B、计算样本相关系数矩阵R,如公式(4)所示;
[0081]
[0082] 为方便,假定原始数据标准化后仍用X表示,则经标准化处理后的数据的相关系数 为
[0083] C、用雅克比方法求相关系数矩阵R的特征值(A1^dp)和相应的特征向量ai = (au,al2,…&1[)),1 = 1,2-?;从而得到高信噪比超声波局部放电信号的主成分系数矩阵,即 如公式(5)所示:
[0084]
[0085] 第三步、用主成分系数矩阵A对所有信号进行线性变换得到P维主成分特征,以所 有信号的P为主成分特征为输入无监督聚类,保存其聚类中心得到M类超声波局部放电信号 的分类模型。将所有音频信号用主成分系数矩阵进行变换,得到P维主成分特征,例如某段 超声波放电信号的线性频谱为X= {X1X2X3. . .X4Xp},降维即乘于主成分系数矩阵Xp=Ax,得 到该段信号的P维主成分特征Xp。将所有信号的P维特征作为输入流无监督聚类,采用k-mean算法将超声波局部放电信号聚类为M类。其中,M=IO;
[0086] 第四步、分别计算每一类的线性频谱均值。即对局部放电信号的分类模型中每一 个类所包含的线性频谱求和并做平均,得到该类信号的线性频谱均值。
[0087] 步骤S2、获取纯噪声超声波信号,并将所述获取到的纯噪声超声波信号转换为线 性频谱后,计算出纯噪声超声波信号的线性频谱均值,且根据所述得到的P维主成分系数矩 阵,将所述纯噪声超声波信号的线性频谱均值转换为所述纯噪声超声波信号的P维主成分 特征后,得到纯噪声超声波信号的分类模型;
[0088] 具体过程为,步骤S21、在获取待检信号之前,获取实际环境一段时间范围内的纯 噪声超声波信号,并将获取到的纯噪声超声波信号以一定时长为单位进行分帧后,对分帧 后的纯噪声超声波信号均进行傅里叶变换,得到纯噪声超声波信号的线性频谱;
[0089] 步骤S22、将得到的纯噪声超声波信号的线性频谱相加后求平均值,作为纯噪声超 声波信号的线性频谱均值;
[0090] 步骤S23、根据得到的P维主成分系数矩阵,将纯噪声超声波信号的线性频谱均值 转换为纯噪声超声波信号的P维主成分特征后,得到只包含一个聚类中心的分类模型并保 存作为纯噪声超声波信号的分类模型。
[0091] 在一个实施例中,在实际检测前,录取一段现场纯噪声的超声波信号,将该段超声 波信号以Is为帧长进行分帧,对所有帧求线性频谱并做平均,得到纯噪声信号的线性频谱 均值。用得到的P维主成分系数矩阵将纯噪声信号的线性频谱均值转换为P维主成分特征, 由于纯噪声信号的线性频谱均值只有一个,转换后的P维主成分特征就相当于一个聚类中 心,从而得到只包含一个聚类中心的纯噪声超声波信号的分类模型。设线性频谱均值为N, 贝丨JP维主成分为N P=AN。
[0092] 步骤S3、将所述局部放电信号分类模型中每一类的线性频谱均值分别与所述纯噪 声超声波信号分类模型的线性频谱均值进行相加,得到相加后的每一类的线性频谱均值, 并根据所述得到的P维主成分系数矩阵,将所述得到的相加后的每一类的线性频谱均值转 换为对应的P维主成分特征后,得到的分类模型作为局部放电信号修正后的分类模型;
[0093] 具体过程为,步骤S31、确定局部放电信号分类模型中每一类的线性频谱均值,并 将纯噪声超声波信号分类模型的线性频谱均值分别与确定的每一类的线性频谱均值相加, 得到相加后的每一类的线性频谱均值;
[0094] 步骤S32、根据得到的P维主成分系数矩阵,将得到的相加后的每一类的线性频谱 均值转换为对应的P维主成分特征后,得到只包含一个聚类中心的分类模型并保存作为所 述局部放电信号修正后的分类模型。
[0095]步骤S4、获取待检信号,并将所述获取到的待检信号转换为线性频谱,且根据所述 得到的P维主成分系数矩阵,将所述待检信号的线性频谱转换为所述待检信号的P维主成分 特征;
[0096] 步骤S5、将所述待检信号的P维主成分特征分别引入所述纯噪声超声波信号的分 类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信号分别到所述纯噪声 超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧氏距离,并根据所述得 到的两个欧氏距离,筛选出所述两个欧氏距离中最小值对应的分类模型,进一步将所筛选 分类模型中所对应的信号作为所述待检信号的检测结果输出。
[0097] 具体过程为,步骤S51、将待检信号的P维主成分特征分别引入纯噪声超声波信号 的分类模型和局部放电信号修正后的分类模型中,计算出待检信号分别到所述纯噪声超声 波信号的分类模型和局部放电信号修正后的分类模型的欧氏距离;
[0098]步骤S52、判断待检信号到纯噪声超声波信号的分类模型的欧氏距离是否小于待 检信号到局部放电信号修正后的分类模型的欧氏距离;如果是,则执行下一步骤S53;如果 否,则跳转执行步骤S54;
[0099]步骤S53、筛选的分类模型为纯噪声超声波信号的分类模型,并将待检信号为纯噪 声超声波信号作为检测结果输出;
[0100]步骤S54、筛选的分类模型为局部放电信号修正后的分类模型,并将待检信号为局 部放电信号作为检测结果输出。
[0101]应当说明的是,k-mean聚类算法及欧氏距离算法属于本领域技术的常用算法,在 此不做赘述。
[0102] 如图6所示,为本发明实施例中,提供的一种修正超声波局部放电检测的系统,所 述系统包括:
[0103] 局部放电信号分析模型获取单元610,用于从设备高信噪比超声波局部放电信号 的历史数据中,提取多个局部放电信号,并将所述提取的多个局部放电信号均转换为线性 频谱后通过主成分分析法处理,得到P维主成分系数矩阵,且根据所述得到的P维主成分系 数矩阵,得到每一局部放电信号的P维主成分特征,进一步将所述得到的每一局部放电信号 的P维主成分特征进行无监督聚类,得到局部放电信号的分类模型及其对应每一类的线性 频谱均值;其中,P为自然数;
[0104] 纯噪声超声波信号分析模型获取单元620,用于获取纯噪声超声波信号,并将所述 获取到的纯噪声超声波信号转换为线性频谱后,计算出纯噪声超声波信号的线性频谱均 值,且根据所述得到的P维主成分系数矩阵,将所述纯噪声超声波信号的线性频谱均值转换 为所述纯噪声超声波信号的P维主成分特征后,得到纯噪声超声波信号的分类模型;
[0105] 局部放电信号分析模型修正单元630,用于将所述局部放电信号分类模型中每一 类的线性频谱均值分别与所述纯噪声超声波信号分类模型的线性频谱均值进行相加,得到 相加后的每一类的线性频谱均值,并根据所述得到的P维主成分系数矩阵,将所述得到的相 加后的每一类的线性频谱均值转换为对应的P维主成分特征后,得到的分类模型作为局部 放电信号修正后的分类模型;
[0106] 待检信号分析单元640,用于获取待检信号,并将所述获取到的待检信号转换为线 性频谱,且根据所述得到的P维主成分系数矩阵,将所述待检信号的线性频谱转换为所述待 检信号的P维主成分特征;
[0107] 待检信号识别单元650,用于将所述待检信号的P维主成分特征分别引入所述纯噪 声超声波信号的分类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信号 分别到所述纯噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧氏 距离,并根据所述得到的两个欧氏距离,筛选出所述两个欧氏距离中最小值对应的分类模 型,进一步将所筛选分类模型中所对应的信号作为所述待检信号的检测结果输出。
[0108] 其中,所述局部放电信号分析模型获取单元610包括:
[0109]局部放电信号线性频谱变换模块6101,用于从设备高信噪比超声波局部放电信号 的历史数据中,提取多个局部放电信号,并将所述提取的多个局部放电信号均以一定时长 为单位进行分帧后,对所述分帧后的每一局部放电信号均进行傅里叶变换,得到每一局部 放电信号的线性频谱;
[0110]主成分分析模块6102,用于通过主成分分析法对任一局部放电信号的线性频谱进 行降维处理,得到P维主成分系数矩阵,并根据所述得到的P维主成分系数矩阵,对所述提取 的每一局部放电信号均进行线性变换,得到每一局部放电信号的P维主成分特征;
[0111] 局部放电信号聚类模型计算模块6103,用于采用k-mean算法同时对所述得到的每 一局部放电信号的P维主成分特征进行无监督聚类,计算出多个聚类中心并保存作为局部 放电信号的分类模型;
[0112] 局部放电信号聚类模型类别均值计算模块6104,用于按照同一类线性频谱相加后 求平均值的原则,对所述局部放电信号的分类模型中每一类所含的线性频谱进行计算,得 到所述局部放电信号的分类模型中每一类的线性频谱均值。
[0113]其中,所述纯噪声超声波信号分析模型获取单元620包括:
[0114]纯噪声超声波信号线性频谱变换模块6201,用于在获取所述待检信号之前,获取 实际环境一段时间范围内的纯噪声超声波信号,并将所述获取到的纯噪声超声波信号以一 定时长为单位进行分帧后,对所述分帧后的纯噪声超声波信号均进行傅里叶变换,得到所 述纯噪声超声波信号的线性频谱;
[0115]线性频谱均值计算模块6202,用于将所述得到的纯噪声超声波信号的线性频谱相 加后求平均值,作为所述纯噪声超声波信号的线性频谱均值;
[0116]纯噪声超声波信号聚类模型计算模块6203,用于根据所述得到的P维主成分系数 矩阵,将所述纯噪声超声波信号的线性频谱均值转换为所述纯噪声超声波信号的P维主成 分特征后,得到只包含一个聚类中心的分类模型并保存作为所述纯噪声超声波信号的分类 模型。
[0117]其中,所述局部放电信号分析模型修正单元630包括:
[0118]线性频谱累加模块6301,用于确定所述局部放电信号分类模型中每一类的线性频 谱均值,并将所述纯噪声超声波信号分类模型的线性频谱均值分别与所述确定的每一类的 线性频谱均值相加,得到相加后的每一类的线性频谱均值;
[0119]局部放电信号聚类模型修正模块6302,用于根据所述得到的P维主成分系数矩阵, 将所述得到的相加后的每一类的线性频谱均值转换为对应的P维主成分特征后,得到只包 含一个聚类中心的分类模型并保存作为所述局部放电信号修正后的分类模型。
[0120]其中,所述待检信号识别单元650包括:
[0121]欧氏距离计算模块6501,用于将所述待检信号的P维主成分特征分别引入所述纯 噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信 号分别到所述纯噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧 氏距离;
[0122]判断模块6502,用于判断所述待检信号到所述纯噪声超声波信号的分类模型的欧 氏距离是否小于所述待检信号到所述局部放电信号修正后的分类模型的欧氏距离;
[0123]第一结果输出模块6503,用于所述筛选的分类模型为所述纯噪声超声波信号的分 类模型,并将所述待检信号为纯噪声超声波信号作为检测结果输出;
[0124]第二结果输出模块6504,用于所述筛选的分类模型为所述局部放电信号修正后的 分类模型,并将所述待检信号为局部放电信号作为检测结果输出。
[0125] 实施本发明实施例,具有如下有益效果:
[0126] 在本发明实施例中,由于使用主成分分析方法可以有效地降低训练数据的维度降 低数据复杂度,同时使用环境噪声均值的对分类模型进行修正,可以有效提高检测方法在 各类噪声环境下的性能,从而能够避免人工因素干扰,且引入特征维数低,训练数据少,从 而达到省时省力且检测结果客观的目的。
[0127] 值得注意的是,上述系统实施例中,所包括的各个系统单元只是按照功能逻辑进 行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的 具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
[0128] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以 通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中, 所述的存储介质,如ROM/RAM、磁盘、光盘等。
[0129]以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范 围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
【主权项】
1. 一种修正超声波局部放电检测的方法,其特征在于,所述方法包括: a、 从设备高信噪比超声波局部放电信号的历史数据中,提取多个局部放电信号,并将 所述提取的多个局部放电信号均转换为线性频谱后通过主成分分析法处理,得到P维主成 分系数矩阵,且根据所述得到的P维主成分系数矩阵,得到每一局部放电信号的P维主成分 特征,进一步将所述得到的每一局部放电信号的P维主成分特征进行无监督聚类,得到局部 放电信号的分类模型及其对应每一类的线性频谱均值;其中,P为自然数; b、 获取纯噪声超声波信号,并将所述获取到的纯噪声超声波信号转换为线性频谱后, 计算出纯噪声超声波信号的线性频谱均值,且根据所述得到的P维主成分系数矩阵,将所述 纯噪声超声波信号的线性频谱均值转换为所述纯噪声超声波信号的P维主成分特征后,得 到纯噪声超声波信号的分类模型; c、 将所述局部放电信号分类模型中每一类的线性频谱均值分别与所述纯噪声超声波 信号分类模型的线性频谱均值进行相加,得到相加后的每一类的线性频谱均值,并根据所 述得到的P维主成分系数矩阵,将所述得到的相加后的每一类的线性频谱均值转换为对应 的P维主成分特征后,得到的分类模型作为局部放电信号修正后的分类模型; d、 获取待检信号,并将所述获取到的待检信号转换为线性频谱,且根据所述得到的P维 主成分系数矩阵,将所述待检信号的线性频谱转换为所述待检信号的P维主成分特征; e、 将所述待检信号的P维主成分特征分别引入所述纯噪声超声波信号的分类模型和所 述局部放电信号修正后的分类模型中,计算出所述待检信号分别到所述纯噪声超声波信号 的分类模型和所述局部放电信号修正后的分类模型的欧氏距离,并根据所述得到的两个欧 氏距离,筛选出所述两个欧氏距离中最小值对应的分类模型,进一步将所筛选分类模型中 所对应的信号作为所述待检信号的检测结果输出。2. 如权利要求1所述的方法,其特征在于,所述步骤a具体包括: 从设备高信噪比超声波局部放电信号的历史数据中,提取多个局部放电信号,并将所 述提取的多个局部放电信号均以一定时长为单位进行分帧后,对所述分帧后的每一局部放 电信号均进行傅里叶变换,得到每一局部放电信号的线性频谱; 通过主成分分析法对任一局部放电信号的线性频谱进行降维处理,得到P维主成分系 数矩阵,并根据所述得到的P维主成分系数矩阵,对所述提取的每一局部放电信号均进行线 性变换,得到每一局部放电信号的P维主成分特征; 采用k-mean算法同时对所述得到的每一局部放电信号的P维主成分特征进行无监督聚 类,计算出多个聚类中心并保存作为局部放电信号的分类模型; 按照同一类线性频谱相加后求平均值的原则,对所述局部放电信号的分类模型中每一 类所含的线性频谱进行计算,得到所述局部放电信号的分类模型中每一类的线性频谱均 值。3. 如权利要求1所述的方法,其特征在于,所述步骤b具体包括: 在获取所述待检信号之前,获取实际环境一段时间范围内的纯噪声超声波信号,并将 所述获取到的纯噪声超声波信号以一定时长为单位进行分帧后,对所述分帧后的纯噪声超 声波信号均进行傅里叶变换,得到所述纯噪声超声波信号的线性频谱; 将所述得到的纯噪声超声波信号的线性频谱相加后求平均值,作为所述纯噪声超声波 信号的线性频谱均值; 根据所述得到的P维主成分系数矩阵,将所述纯噪声超声波信号的线性频谱均值转换 为所述纯噪声超声波信号的P维主成分特征后,得到只包含一个聚类中心的分类模型并保 存作为所述纯噪声超声波信号的分类模型。4. 如权利要求1所述的方法,其特征在于,所述步骤c具体包括: 确定所述局部放电信号分类模型中每一类的线性频谱均值,并将所述纯噪声超声波信 号分类模型的线性频谱均值分别与所述确定的每一类的线性频谱均值相加,得到相加后的 每一类的线性频谱均值; 根据所述得到的P维主成分系数矩阵,将所述得到的相加后的每一类的线性频谱均值 转换为对应的P维主成分特征后,得到只包含一个聚类中心的分类模型并保存作为所述局 部放电信号修正后的分类模型。5. 如权利要求1所述的方法,其特征在于,所述步骤e具体包括: 将所述待检信号的P维主成分特征分别引入所述纯噪声超声波信号的分类模型和所述 局部放电信号修正后的分类模型中,计算出所述待检信号分别到所述纯噪声超声波信号的 分类模型和所述局部放电信号修正后的分类模型的欧氏距离; 判断所述待检信号到所述纯噪声超声波信号的分类模型的欧氏距离是否小于所述待 检信号到所述局部放电信号修正后的分类模型的欧氏距离; 如果是,则所述筛选的分类模型为所述纯噪声超声波信号的分类模型,并将所述待检 信号为纯噪声超声波信号作为检测结果输出; 如果否,则所述筛选的分类模型为所述局部放电信号修正后的分类模型,并将所述待 检信号为局部放电信号作为检测结果输出。6. -种修正超声波局部放电检测的系统,其特征在于,所述系统包括: 局部放电信号分析模型获取单元,用于从设备高信噪比超声波局部放电信号的历史数 据中,提取多个局部放电信号,并将所述提取的多个局部放电信号均转换为线性频谱后通 过主成分分析法处理,得到P维主成分系数矩阵,且根据所述得到的P维主成分系数矩阵,得 到每一局部放电信号的P维主成分特征,进一步将所述得到的每一局部放电信号的P维主成 分特征进行无监督聚类,得到局部放电信号的分类模型及其对应每一类的线性频谱均值; 其中,P为自然数; 纯噪声超声波信号分析模型获取单元,用于获取纯噪声超声波信号,并将所述获取到 的纯噪声超声波信号转换为线性频谱后,计算出纯噪声超声波信号的线性频谱均值,且根 据所述得到的P维主成分系数矩阵,将所述纯噪声超声波信号的线性频谱均值转换为所述 纯噪声超声波信号的P维主成分特征后,得到纯噪声超声波信号的分类模型; 局部放电信号分析模型修正单元,用于将所述局部放电信号分类模型中每一类的线性 频谱均值分别与所述纯噪声超声波信号分类模型的线性频谱均值进行相加,得到相加后的 每一类的线性频谱均值,并根据所述得到的P维主成分系数矩阵,将所述得到的相加后的每 一类的线性频谱均值转换为对应的P维主成分特征后,得到的分类模型作为局部放电信号 修正后的分类模型; 待检信号分析单元,用于获取待检信号,并将所述获取到的待检信号转换为线性频谱, 且根据所述得到的P维主成分系数矩阵,将所述待检信号的线性频谱转换为所述待检信号 的P维主成分特征; 待检信号识别单元,用于将所述待检信号的P维主成分特征分别引入所述纯噪声超声 波信号的分类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信号分别到 所述纯噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧氏距离,并 根据所述得到的两个欧氏距离,筛选出所述两个欧氏距离中最小值对应的分类模型,进一 步将所筛选分类模型中所对应的信号作为所述待检信号的检测结果输出。7. 如权利要求6所述的系统,其特征在于,所述局部放电信号分析模型获取单元包括: 局部放电信号线性频谱变换模块,用于从设备高信噪比超声波局部放电信号的历史数 据中,提取多个局部放电信号,并将所述提取的多个局部放电信号均以一定时长为单位进 行分帧后,对所述分帧后的每一局部放电信号均进行傅里叶变换,得到每一局部放电信号 的线性频谱; 主成分分析模块,用于通过主成分分析法对任一局部放电信号的线性频谱进行降维处 理,得到P维主成分系数矩阵,并根据所述得到的P维主成分系数矩阵,对所述提取的每一局 部放电信号均进行线性变换,得到每一局部放电信号的P维主成分特征; 局部放电信号聚类模型计算模块,用于采用k-mean算法同时对所述得到的每一局部放 电信号的P维主成分特征进行无监督聚类,计算出多个聚类中心并保存作为局部放电信号 的分类模型; 局部放电信号聚类模型类别均值计算模块,用于按照同一类线性频谱相加后求平均值 的原则,对所述局部放电信号的分类模型中每一类所含的线性频谱进行计算,得到所述局 部放电信号的分类模型中每一类的线性频谱均值。8. 如权利要求6所述的系统,其特征在于,所述纯噪声超声波信号分析模型获取单元包 括: 纯噪声超声波信号线性频谱变换模块,用于在获取所述待检信号之前,获取实际环境 一段时间范围内的纯噪声超声波信号,并将所述获取到的纯噪声超声波信号以一定时长为 单位进行分帧后,对所述分帧后的纯噪声超声波信号均进行傅里叶变换,得到所述纯噪声 超声波信号的线性频谱; 线性频谱均值计算模块,用于将所述得到的纯噪声超声波信号的线性频谱相加后求平 均值,作为所述纯噪声超声波信号的线性频谱均值; 纯噪声超声波信号聚类模型计算模块,用于根据所述得到的P维主成分系数矩阵,将所 述纯噪声超声波信号的线性频谱均值转换为所述纯噪声超声波信号的P维主成分特征后, 得到只包含一个聚类中心的分类模型并保存作为所述纯噪声超声波信号的分类模型。9. 如权利要求6所述的系统,其特征在于,所述局部放电信号分析模型修正单元包括: 线性频谱累加模块,用于确定所述局部放电信号分类模型中每一类的线性频谱均值, 并将所述纯噪声超声波信号分类模型的线性频谱均值分别与所述确定的每一类的线性频 谱均值相加,得到相加后的每一类的线性频谱均值; 局部放电信号聚类模型修正模块,用于根据所述得到的P维主成分系数矩阵,将所述得 到的相加后的每一类的线性频谱均值转换为对应的P维主成分特征后,得到只包含一个聚 类中心的分类模型并保存作为所述局部放电信号修正后的分类模型。10. 如权利要求6所述的系统,其特征在于,所述待检信号识别单元包括: 欧氏距离计算模块,用于将所述待检信号的P维主成分特征分别引入所述纯噪声超声 波信号的分类模型和所述局部放电信号修正后的分类模型中,计算出所述待检信号分别到 所述纯噪声超声波信号的分类模型和所述局部放电信号修正后的分类模型的欧氏距离; 判断模块,用于判断所述待检信号到所述纯噪声超声波信号的分类模型的欧氏距离是 否小于所述待检信号到所述局部放电信号修正后的分类模型的欧氏距离; 第一结果输出模块,用于所述筛选的分类模型为所述纯噪声超声波信号的分类模型, 并将所述待检信号为纯噪声超声波信号作为检测结果输出; 第二结果输出模块,用于所述筛选的分类模型为所述局部放电信号修正后的分类模 型,并将所述待检信号为局部放电信号作为检测结果输出。
【文档编号】G01R31/12GK105842588SQ201610156063
【公开日】2016年8月10日
【申请日】2016年3月18日
【发明人】朱正国, 何斌斌, 余英, 杨开, 龚鹏
【申请人】深圳供电局有限公司, 珠海市伊特高科技有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1