基于EEMD和二维Gabor变换的GIS局放特征融合识别方法.docx

基于EEMD和二维Gabor变换的GIS局放特征融合识别方法
基于EEMD和二维Gabor变换的GIS局放特征融合识别方法
摘要
由于GIS设备在电力系统中的广泛应用，GIS局放问题对电力系统的绝缘状况和安全稳定运行产生了重要的影响。本文提出了一种基于EEMD和二维Gabor变换的GIS局放特征融合识别方法。首先，采用EEMD对GIS局放信号进行去噪和分解，分别得到多个固有模态函数和一组残差信号。其次，通过对每个固有模态函数进行二维Gabor变换，提取出每个固有模态函数的时频特征。最后，将时频特征和残差信号作为输入，采用支持向量机进行识别。实验结果表明，该方法的准确率和鲁棒性均优于传统方法和单一特征的方法。
关键词：GIS局放；EEMD；二维Gabor变换；特征融合；支持向量机
Abstract
DuetothewidespreadapplicationofGISequipmentinthepowersystem,GISpartialdischargeproblemhasanimportantinfluenceontheinsulationconditionandsafeandstableoperationofthepowersystem.Inthispaper,aGISpartialdischargefeaturefusionrecognitionmethodbasedonEEMDand2DGabortransformisproposed.Firstly,EEMDisusedtodenoiseanddecomposeGISpartialdischargesignals,obtainingmultipleintrinsicmodefunctionsandasetofresidualsignals.Secondly,2DGabortransformisappliedtoeachintrinsicmodefunctiontoextractitstime-frequencyfeatures.Finally,thetime-frequencyfeaturesandresidualsignalsareusedasinputs,andsupportvectormachineisusedforrecognition.Experimentalresultsshowthattheaccuracyandrobustnessoftheproposedmethodarebetterthanthoseoftraditionalandsingle-featuremethods.
Keywords:GISpartialdischarge;EEMD;2DGabortransform;featurefusion;supportvectormachine
引言
GIS设备是电力系统中常用的高压开关设备，它具有占地面积小、安全可靠性高等优点，得到了广泛应用。然而，由于长期使用和环境因素的影响，GIS设备容易出现局部放电故障，严重影响了设备的安全运行和使用寿命。因此，局部放电检测和诊断技术一直是GIS设备维护和管理的重要研究内容。
目前，局部放电检测和诊断技术主要采用电磁法、超声波法、红外热像法等传统方法，但这些方法存在检测范围窄、检测精度低等缺点。近年来，随着数字信号处理和模式识别技术的发展，基于信号处理和模式识别的局部放电检测和诊断方法逐渐受到研究者关注。其中，基于特征提取和分类器的局部放电识别方法是一种常用的方法。
本文提出了一种基于EEMD和二维Gabor变换的GIS局放特征融合识别方法。该方法首先采用EEMD对GIS局放信号进行去噪和分解，分别得到多个固有模态函数和一组残差信号。其次，通过对每个固有模态函数进行二维Gabor变换，提取出每个固有模态函数的时频特征。最后，将时频特征和残差信号作为输入，采用支持向量机进行识别。实验结果表明，该方法的准确率和鲁棒性均优于传统方法和单一特征的方法。
方法
EEMD
EEMD是一种局部特性分解方法，它通过将信号分解为多个固有模态函数和残差信号，有效地将复杂的非线性信号转化为一组线性信号。具体来说，EEMD将信号分解为多个固有模态函数，每个固有模态函数的频带和时频特征与信号的局部特性相对应。由于每个固有模态函数的频带和时频特征相对固定，因此可以用于局部放电信号的特征提取。EEMD算法的基本过程为：
（1）对原始信号加入高斯白噪声，得到扰动信号。
（2）对扰动信号进行希尔伯特变换，得到振幅和相位信息，提取出其中的局部极值点。
（3）将局部极值点之间的数据进行插值，得到一维固有模态函数。
（4）将原始信号减去一维固有模态函数，得到一维残差信号。
（5）将残差信号作为新的原始信号，重复以上步骤，得到多个固有模态函数和一组残差