基于放电幅值-放电次数联合相位分布特征的局部放电识别.docx

基于放电幅值-放电次数联合相位分布特征的局部放电识别
一、引言
在电力系统中，局部放电是一种普遍存在的现象，它会损害已安装的电气设备并导致电力系统的故障。因此，监测和识别局部放电是至关重要的。目前，局部放电识别的研究重点是利用局部放电信号的特征参数来实现分类识别。本文提出了一种基于放电幅值-放电次数联合相位分布特征的局部放电识别方法，该方法具有很高的准确性和稳定性，并可有效地识别各种类型的局部放电故障。
二、理论基础
局部放电是由于电气设备中存在绝缘缺陷而产生的，因此识别局部放电的关键在于检测和分析局部放电信号。放电信号具有很强的非线性和非稳态特性，其频谱分布和统计性质与放电情况有密切关系，因此利用放电信号的频谱和统计特征参数实现放电信号的分类识别已成为当今传感器技术的主流方法。
三、方法描述
本文提出了一种基于放电幅值-放电次数联合相位分布特征的局部放电识别方法，具体流程如下：
1.数据采集：利用经过校准的传感器对电气设备进行数据采集，采集的数据包括电流信号和电压信号。
2.数据预处理：对采集得到的数据进行预处理，主要包括去除基线漂移、滤波和降采样等步骤。
3.特征提取：利用小波变换、时-频分析或特征选择等方法提取局部放电信号的频谱和统计特征参数，其中包括放电幅值、放电次数、相位分布等特征参数。
4.特征选择：根据特征参数之间的相关性和对识别效果的贡献程度进行特征选择，排除冗余和无用的特征参数。
5.分类器设计：利用机器学习、人工神经网络或支持向量机等方法设计分类器，对提取出的特征参数进行分类学习和识别。
6.测试与评价：利用采集到的测试数据对所设计的分类器进行测试和评价，计算出召回率、准确率和F值等指标，评估分类器识别效果。
四、实验结果
本文采集了不同类型的局部放电信号数据，包括内部放电、表面放电和沿面放电等，并进行了系统的数据处理、特征提取和特征选择等步骤后，利用支持向量机设计了一个局部放电识别器。通过实验结果发现，本文所提出的方法在各种局部放电类型的识别上都具有很高的准确性和稳定性，在计算机仿真和实测数据中均获得良好的效果。
五、结论
本文提出了一种基于放电幅值-放电次数联合相位分布特征的局部放电识别方法，该方法不仅具有很高的识别准确性和稳定性，而且可以有效地识别各种类型的局部放电故障。在实际电力系统中，该方法具有很大的应用前景，可为电力设备及系统保护提供有效手段。