技术特征：
1.一种变压器局部放电试验典型干扰信号识别系统，其特征在于，包括：原始特征空间构建模块、特征空间优化模块以及算法识别性能分析模块；所述原始特征空间构建模块，用于通过实验测量建立变压器局部放电和典型干扰信号的数据库，并提取变压器局部放电和典型干扰信号的统计特征、纹理特征和形状特征的特征参数，构建原始特征空间；所述特征空间优化模块，用于采用随机森林算法对原始特征空间构建模块构建的原始特征空间进行优化降维，根据随机森林算法对特征参数的重要性和完备性进行度量并排序，将初始的特征参数进行筛选，并以筛选后的特征参数构造优化特征空间；所述算法识别性能分析模块，用于采用随机森林算法对优化特征空间的局部放电信号和典型干扰信号进行分类识别。2.根据权利要求1所述的一种变压器局部放电试验典型干扰信号识别系统，其特征在于，在计算某个特征参数x的重要性时，首先选择相应的袋外数据来计算每一棵决策树的袋外数据误差，记为er1，er2，...,ern，袋外数据误差指的是将袋外数据做为测试样本数据，此时随机森林的预测错误率称作袋外数据误差；其次随机改变袋外样本数据在特征参数x处的值，再次计算袋外数据误差，分别记为er11，er12，...,er1n；采用p
x
表示特征参数x的重要性程度，计算式为：3.根据权利要求1所述的一种变压器局部放电试验典型干扰信号识别系统，其特征在于，所述构建优化特征空间是指在特征重要性度量的基础上，计算每个特征参数的重要性，并按降序排序，然后选择前k个重要性高的特征参数构建优化特征空间，k值的确定方式为：将k从1到特征参数的数量逐次加1，并将优化特征空间构建的数据集做为随机森林分类算法的输入，计算每一个k值对应的分类识别准确率，分类识别准确率趋于稳定时对应的最小k值就做为最终的k值。4.根据权利要求3所述的一种变压器局部放电试验典型干扰信号识别系统，其特征在于，构建原始特征空间时提取脉冲信号的统计特征、纹理特征和形状特征共47个特征参数，分别为7个统计特征和40个图像特征，其中40个图像特征包含15个纹理特征、15个zernike矩和10个hu不变矩构建原始特征空间，构建优化特征空间时最终确定k值为10，取的特征参数是排名前10的特征参数分别为：负半周峭度、逆差矩、zernike矩3、正负半周互相关系数、梯度分布不均匀性、灰度分布不均匀性、小梯度优势、zernike矩8、正半周峰值数、zernike矩1。5.一种变压器局部放电试验典型干扰信号识别方法，其特征在于，包括以下步骤：步骤1：通过实验测量建立变压器局部放电和典型干扰信号的数据库，并提取变压器局部放电和典型干扰信号的统计特征、纹理特征和形状特征的特征参数，构建原始特征空间；步骤2：采用随机森林算法对原始特征空间构建模块构建的原始特征空间进行优化降维，根据随机森林算法对特征参数的重要性和完备性进行度量并排序，将初始的特征参数进行筛选，并以筛选后的特征参数构造优化特征空间；步骤3：采用随机森林算法对优化特征空间的局部放电信号和典型干扰信号进行分类识别。
6.根据权利要求5所述的一种变压器局部放电试验典型干扰信号识别方法，其特征在于，步骤2中，在计算某个特征参数x的重要性时，首先选择相应的袋外数据来计算每一棵决策树的袋外数据误差，记为er1，er2，...,ern，袋外数据误差指的是将袋外数据做为测试样本数据，此时随机森林的预测错误率称作袋外数据误差；其次随机改变袋外样本数据在特征参数x处的值，再次计算袋外数据误差，分别记为er11，er12，...,er1n；采用p
x
表示特征参数x的重要性程度，计算式为：7.根据权利要求5所述的一种变压器局部放电试验典型干扰信号识别方法，其特征在于，步骤2中，所述构建优化特征空间是指在特征重要性度量的基础上，计算每个特征参数的重要性，并按降序排序，然后选择前k个重要性高的特征参数构建优化特征空间，k值的确定方式为：将k从1到特征参数的数量逐次加1，并将优化特征空间构建的数据集做为随机森林分类算法的输入，计算每一个k值对应的分类识别准确率，分类识别准确率趋于稳定时对应的最小k值就做为最终的k值。8.根据权利要求7所述的一种变压器局部放电试验典型干扰信号识别方法，其特征在于，构建原始特征空间时提取脉冲信号的统计特征、纹理特征和形状特征共47个特征参数，分别为7个统计特征和40个图像特征，其中40个图像特征包含15个纹理特征、15个zernike矩和10个hu不变矩构建原始特征空间，构建优化特征空间时最终确定k值为10，取的特征参数是排名前10的特征参数分别为：负半周峭度、逆差矩、zernike矩3、正负半周互相关系数、梯度分布不均匀性、灰度分布不均匀性、小梯度优势、zernike矩8、正半周峰值数、zernike矩1。
技术总结
本发明提供一种变压器局部放电试验典型干扰信号识别系统及方法，该系统包括：原始特征空间构建模块，用于提取变压器局部放电和典型干扰信号的统计特征、纹理特征和形状特征的特征参数，构建原始特征空间；特征空间优化模块，用于采用随机森林算法对原始特征空间构建模块构建的原始特征空间进行优化降维，构造优化特征空间；算法识别性能分析模块，用于采用随机森林算法对局部放电信号和典型干扰信号进行分类识别。本发明通过基于随机森林算法的特征空间的优化降维方法，解决了原始特征参数过多带来的数据冗余问题，并且比较了不同数据识别方法的识别准确率及稳定性，基于随机森林算法进行干扰信号识别，实现变压器局部放电典型干扰信号的识别。型干扰信号的识别。型干扰信号的识别。
技术研发人员：刘睿 卢仰泽 罗维 谢齐家 金雷 周凯
受保护的技术使用者：国家电网有限公司
技术研发日：2021.12.23
技术公布日：2022/5/30