（电气工程专业论文）以复合复小波系数为特征量的局部放电模式识别研究.pdf

重庆大学硕士论文英文摘要 a b s t r a c t i n s u l a t i o nb r e a k d o w ni sp r i m a r yr 嘲f o rg i sf a i l u r e s p a r t i a la i s e h a r g e o d ) p h e n o m e n ai sm o s tc o m n l o l le h a r a c t e f i s t i eb e f o r ei n s u l a t i o nb r e a k d o w ni ng i s b yp d o n - l i n em o n i t o r i n gs y s t e m s g i si n t e r n a ld e f e c t s 锄b ed i s c o v e r e di nt i m et oa v o i dt h e o c , c i l l t e l i c i oo f f a t a lf a i l u r e s ot h er e s e a r c ho f p dd e t e c t i o na n di t sp a t t e r nr e c o g n i t i o nf o r g i si sv e r yi m p o r t a n tt og u a r a n t e ei t ss a f eo p e r a t i o n , f i n do u ti t si n s u l a t i o nc o n d i t i o na n d d e f e c t st y p ei nt i m ea n d g u i d ei t sn l a i n t e n a n c e an e wm e t h o ds u i t a b l ef o ru h fp dp a t t e r nr e c o g n i t i o ni sp r o p o s e db a s e do n a n a l y z i n gr e s e a r c h e sa b o u tp dp a t t mr e c o g n i t i o nh o m ea n da b r o a d c o m p l e xw a v e l e ti s u s e df o rd e c o m p o s i n gd i s p o s e du i - i fp ds i g n a l ；a n dt h e nc o m b i n e dc o m p l e xw a v e l e t c o e f f i c i e n ti sc o l ：l s h l u c t e db yc o m b i n i n gt h er e a lp a r ta n di m a g i n a r rp a r to fc o m p l e x w a v e l e tc o e f f i c i e n t s f i n a l l y , f e a t u r e s 锄b ee x l r a e t e df r o mc o m b i n e dc o m p l e xw a v e l e t e o e t 煎e i e n t so fe a c hs c a l ew i t ha m e l i o r a t e df c m m e t h o d o p t i m a lc o m b i n e dc o m p l e x w a v e l e te o e t 五e i e n t sa n dc o m p l e xw a v e l e ta 托s e l e c t e db yc o m p a r i n gj c r i t e r i o n ；p h y s i c a l m o d e lo ff o u rd e f e c t si ns i m u l a t i o no fi n t e m a ld e f e c t sa r ed e v e l o p e d , a c c o r d i n gt op d s i g n a lf e a t u r ei ng i s a n dt h ec h a r a c t e r i s t i co fu i - i fp ds i g n a li ss u m m a t i z e d ；r b f n e t w o r ki su s e df o rr e c o g n i z i n gu h fp d t h em a i na c h i e v e m e n t sa l t l 。船f o l l o w s ： d i f f e r e n c e so f u h fp ds i g n a la p p e a l a m o n gd i f f e r e n tt y p eo f d e f e c t , a n dt h es i g n a l s s h a p eo ft h es 印雠t y p eo fd e f e c td o n tc h a n g eu n d e rd i f f e r e n te x p e r i m e n tc o n d i t i o n t h e s u b s e tr i l l “w l a i e hi sm o l t a b u n d a n tt h a nr e a lw a v e l e tt r a n s f o r mi se o n s l z u e t e db y r e s e a r c h i n gc o m p l e xw a v e l e te o e t t i c i e n t s , a n df e a t u 燃o fu h f p ds i g n a la r ce x n a c t e d f r o mc o m b i n e dc o m p l e xw a v e l e tc o e f f i c i e n tw i t hf c mm e t h o d ；i tp r o v e st h a tc o m b i n e d c o m p l e xw a v e l e tc o e f f i c i e n tc , o n t a i l l i l l gn l o r el i m e - d o m a i na n df r e q u e n c y - d o m a i no fp d s i g n 丑1 i tp l o v e st h a tf e a t u r e 【n a 咖f r o mc o m b i n e dc o m p l e xw a v e l e tc o e f f i c i e n ti sl r n o l e ： e x c e l l e n tt h a nf r o mr e a lp a r to fi m a g i n a r yp a r to fc o m p l e xw a v e l e te o e f f i e i e n gf e a t u r e a ( h 截她f r o mo p t i l ：n a lc o m b i n e dc o m p l e xw a v e l e tc o e f f i c i e n ti sm o l t e ：e x c e l l e n tt h a n f r o mo t h e rc o m b i n e dc o m p l e xw a v e l e te o e t t i e i e n t ；f e a t u r ea 由麓她f r o mo p t i m a l c o m b i n e dc o m p l e xw a v e l e tc o e f f i c i e n to fo p t i l n a lc o m p l e xw a v e l e tt r a n s f o r mh a v et h e b e s tc l u s t e r i n ga b i l i t y a tt h es a m et i m e ，i tp r o v e st h a tu s i n gjc r i t e r i o nt os e l e c to p t i m a l c o m b i n e dc o m p l e xw a v e l e te o e t t i e i e n t sa n dc o m p l e xw a v e l e ti sf e a s i b l e 重庆大学硕士论文英文摘要 k e y w o r d s ：p a r t i a ld i s c h a r g e ，c o m p l e xw a v e l e tt r a n s f o r m , f e a t u r ee x t r a c t i o n , p a t t e r n r e c o g n i t i o n m 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重庞太堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名弦锰 签锢期；研年角刁日 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、使用学位论文的 规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权重废太堂可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密( ) ，在年解密后适用本授权书。 本学位论文属于， 不保密( v ) 。 ( 请只在上述一个括号内打“4 ”) 学位论文作者签名： 础锐 签字日期：呷车厂月巧日 导师签名5 斧眵 签字嘶纠7 年r 月z 7 日 重庆大学硕士论文1 绪论 l 绪论 1 1g i s 局部放电模式识别的意义 气体绝缘组合电器( g a si n s u l a t e ds w i t e h g e a r ，简称g i n ) 是2 0 世纪6 0 年代中期 才出现的一种新型输变电设备，它是把变电所里各种电气设备除变压器外全部组合 装配在一个封闭的金属外壳里，常充以0 4 0 5 m p a 的s f , 气体，以实现导体对外 壳、相问以及断口问的可靠绝缘。与传统敞开式高压输变电设备相比。具有占地面 积小、结构非常紧凑、安装快、不受外界环境的影响( 如污染等) 、运行可靠性高、 检修周期长、安装方便等优点【l 刁 图1 1 重庆大溪沟2 2 0 k v g i s f 培1 , 1 2 2 0k vg i si nd a x i g o uc h o n g q i n g 随着我国国民经济的迅猛发展，城市建设用地越来越紧张，由于g i s 结钩非常 紧凑，整个装置的占地空问大为缩小，其占地面积可小到户外变电站的3 0 3 1 ，且 随电压升高占地显著减小，因此g i s 在我国也得到了越来越广泛的运用。但运行经 验表明，尽管g i s 设备运行的可靠性非常高，因其内部不可避免的缺陷仍会引发 故障并逐步扩大，常常导致重大事故的发生，已成为电力部门极为关注的问题和本 学科领域研究的热点。 1 1 1g i s 内部主要缺陷分析 从目前研究形成的共识看，引起绝缘故障主要是由于g i s 内部存在着各种缺陷 4 1 ，这些缺陷畸变了g i s 内部的电场，使得局部电场集中而产生局部放电( p a r t i a l d i s c h a r g e ，简称p d ) 。从缺陷的种类来看主要有严重的装配错误，自由导电微粒、 重庆大学硕士论文 1 绪论 金属突出物、绝缘子表面与内部缺陷、导体之间电气或机械接触不良、瓯中混有 水蒸气等，各种缺陷在g i s 内部的示意如图1 2 所示 图1 2 ( 3 1 s 内部可能出现的缺陷类型示意图 f g1 2s k e t c ho f l x m i b l ef a u l t si ng i s 自由导电微粒【4 ，5 】 自由导电微粒是气体绝缘装置中最常见的缺陷，它是导致g i s 绝缘故障的 主要原因这些微粒可能是制造或装配过程中未清洗干净而产生的遗留物，也 可能是机械装置动作过程中金属磨擦而产生的金属粉末。自由导电微粒的形状 有粉末状或片状或大尺寸固体颗粒等，它们能够在外电场作用下感应电荷以获 得足够的电场能量，并在电场力的作用下发生跳动或位移，如果电场足够强， 自由导电微粒获得的能量足够大，就完全有可能越过外壳和高压导体之间的间 隙或移动到有损绝缘的地方。金属微粒运动的程度既取决于材料和形状，又取 决外电场的强度和作用时间等因素。当金属微粒接近而未接触到高压导体时， 最容易表现的电气特征是产生p d 现象。同时，金属微粒在迁移过程中和附着 在绝缘子表面时也会产生p d 现象，只是不同的运动形式所产生的p d 指纹谱图 各异 固定金属突出物1 4 固定金属突出物通常有两种存在形式：一是金属突起毛刺，二是金属微粒 附着在固体绝缘表面。它是因加工不良、机械破坏或装配时的相互擦刮而产生， 通常异常尖锐，以致在尖头突出部位形成绝缘气体中的高场强区在稳态工作 条件下，这些高场强区所产生的电晕有时显得较为稳定，不一定会引起击穿。 然而，在快速暂态过电压下，譬如在操作过电压或雷电过电压下，往往会引发 故障。另外。绝缘子表面吸附的固体金属微粒，若是暂时粘在绝缘子表面，通 常会移动到低场强区而不发生p d ，但在某些情况下会长期地固定在绝缘子表 面，作为固定金属微粒，它粘贴在绝缘表面的作用类似于金属突起物。 2 重庆大学硕士论文 1 绪论 绝缘子缺陷 3 , 6 1 绝缘子缺陷有可能发生在绝缘子表面或内部。表面缺陷是由其它的缺陷类 型引起的二次效应，比如p d 产生的分解物、金属微粒或者绝缘气体中可能过 多的水气引起的破坏；在现场测试时，闪络产生的树痕在某种情况下也可以被 视为绝缘表面缺陷。内部缺陷通常很小，常常是一些在制造过程中形成但又很 难检测到的缺陷，比如在制造过程中渗入的金属微粒、环氧树脂在固化过程中 的收缩以及环氧树脂和金属电极不同的热膨胀系数而出现的内部空隙和层离； 由于装配误差，导体的机械运动也可能给绝缘子造成损伤。 悬浮电位体 在g i s 内部，被广泛地用来改善危险部位的电场分布的屏蔽电极与高压导体或 接地导体间的电气连接通常是所谓轻负载接触( 即连接部分只传输很小的容性电 流) ，然而，一些连接部件在最初安装时虽然接触良好，但随着开关电器操作所产生 的机械振动会导致移位或随时间推移带来的老化，都有可能造成静电屏蔽体的接触 不良，从而出现浮动电位【5 j 。同时，静电屏蔽体或导体连接点机械上的不良接触又 会加剧因静电力引起的机械振动，从而进一步导致接触不良，最终出现电极电位浮 动。对于大多数电位浮动的电极，所形成的等效电容在充电过程中会产生p d ，并 伴有较强的电磁辐射和超声波，同时，放电还会形成腐蚀性的分解物和微粒，从而 加速恶化，污染附近的绝缘表面直至造成绝缘故障。 s 兄中微水含量 在实际设计中，g i s 中的高气压s 吒绝缘气体添加某些少量其它气体( 如从) 有利于提高s y , 的气体介质绝缘性能，但少量的微水混入会使瓯的绝缘性能大大下 降。当温度下降时，微水就会出现凝露，结合其它混合物附着在固体绝缘表面，影 响绝缘表面的导电性 此外，有些影响绝缘性能的装配错误在交接试验时可能会被漏检，比如，只做 运输途中使用的袋装干燥剂，在组装时却忘了从g i s 部件中取出来，交接试验时又 没有被检测到，它虽然不会立即引起故障，但却对今后g i s 的运行带来隐患。 1 1 2g i s 局部放电模式识别的意义 根据c i g r e2 3 1 0t 作组国际调查报告的统计数据【，】，1 9 8 5 年以前日本投运的 g i s5 6 2 次故障中绝缘故障占6 0 ，1 9 8 5 年以后投入的g i s 的2 4 7 次故障中绝缘故 障占5 l ，而且绝缘故障又较多发生在较高电压的设备中。g i s 电压等级越高，停 电造成的损失越大摊修成本也越高。 对于g i s 内部，由于制造时可能在电极上出现金属毛刺、绝缘介质中存在空隙、 安装运输时部件松动或接触不良引起电极电位浮动、运行中的绝缘老化、以及各种 情况下可能出现金属自由微粒等各种缺陷，都可能导致不同程度的局部放电。长期 ， 重庆大学硕士论文 1 绪论 的局部放电使绝缘劣化并逐步扩大，甚至造成整个绝缘击穿或沿面闪络，从而对设 备的安全运行造成威胁，导致设备在运行时出现故障，以至引起系统停电f 4 】。 g i s 最通常的电气故障特征是在绝缘完全击穿或闪络前产生局部放电( p a r t i a l d i s c h a r g e ，简称p d ) f f , s 。由于g i s 事故主要由绝缘故障弓i 起，而绝缘故障早期的主 要表现形式是p d ，它既是引起绝缘劣化的主要原因，又是表征绝缘状况的特征量。 因此，通过开展对g i s 的p d 在线监测，可以在一定程度上发现许多内部存在的缺 陷，对保证g i s 的安全可靠运行具有重要的现实意义。 由于g i s 自身的特点，对其进行有效地局部放电检测有着很大的难度。如何在 现场伴有强大的电磁干扰情况下设法接收和传输这些微弱的局部放电信号，从而进 行g i s 内的局部放电检测的研究。显得非常重要i 纠。从8 0 年代以来，如何提供足够 灵敏度的局部放电测量系统，并对缺陷类型进行分类以及故障定位，已成为各国绝 缘领域关注的热点掌握g i s 内缺陷类型特征，区分各种缺陷类型，研究其严重程 度，这对于g i s 的检修工作有着十分重要的意义 要准确地了解和掌握g i s 内缺陷类型性质和特征，有效的方法是对获得的局部 放电信号进行模式识别。大量的研究表明，不同的放电模式对绝缘的危害程度不同。 对于g i s 来说，内部的电晕放电和金属微粒虽然会导致5 e 气体的分解，但是由于 绝大部分分解气体又复合成s 巴和新的s 兄气体不断补充，对其绝缘性能影响并不 大，只有缓慢的老化作用；但是发生在盆式绝缘子处的气隙、金属污染的放电将会 给绝缘造成不可恢复的损伤，甚至使整个绝缘系统在短时间内失效。因此。g i s 局 部放电检测及其模式识别的研究对于保证g i s 的安全可靠运行，掌握g i s 的绝缘 状况及指导g i s 的检修工作有着十分重要的意义。国内外对g i s 局部放电在线监测 进行了大量的研究，并成为各国绝缘监测领域研究关注的热点【堆1 6 1 1 2 局部放电模式识别研究发展现状 随着计算机的出现及入工智能的兴起，模式识别在6 0 年代迅速发展成一门学 科，并在很多领域得到了广泛的应用。目前模式识别理论正朝着智能化的方向发展， 即增强系统的自适应能力、学习能力以及容错能力等9 0 年代以来，模式识别方法 开始应用于局部放电类型的识别，和传统的依靠专家目测进行放电类型判定相比， 显著提高了识别的科学性和有效性。但局部放电模式识别技术的研究尚处于起步阶 段，一方面由于很多非确定性因素影响局部放电信号的采集，局部放电信号中又混 杂着干扰信号，需要寻求更好的信号处理技术获取准确的局部放电信息：另一方面， 对局部放电信号中所包含信息的内涵及规律尚未完全清楚因此，还需要更加深入 地研究局部放电理论及其实际问题。局部放电模式识别大致可以分为放电模式构 造、特征提取和模式分类3 个主要部分。 重庆大学硕士论文1 绪论 1 2 1 放电模式 在不同的高压电气设备局部放电测量系统中，存在多种测量原理及方法，如脉 冲电流测量法、电磁波测量法、超声波测量法、光测量法、红外测量法等，显然， 在不同的测量系统中，将会构造不同的局部放电模式用于放电分析和绝缘监测f 1 7 1 。 局部放电模式主要包括p r p s a 模式、p r p d 模式、模式与放电脉冲波形模式等 四种主要应用的局部放电模式： p r p s a 模式，即脉冲序列相位分布分析( p h a s er e s o l v e dp u l s es e q u e n c e a n a l y s i s ) 模式，可以记为吼( j ，“也) ) 1 1 8 o 这种模式实际上是关于局部放电一种最为 基本的模式。包含有局部放电测量的全部信息。 p r p d 模式，即局部放电相位分布( p h a s er e s o l v e dp a r t i a ld i s c h a r g e ) 模式，是 一种广泛应用的局部放电模式。也是所谓的p q 一糟模式【哺1 这种模式是描述局部 放电发生的工频相位矿( o 一3 6 0 。) 、放电量幅值g 和放电次数栉之间的关系。其中广 泛应用的三维图谱是z ( g 咖模式，即将9 和口划分成若干个小区间，在矿一g 平面 上形成若干网格，统计每个网格内放电次数，即获得日。( g ，统计模式图谱。p r p d 模式与p r p s a 模式相比，失去了关于时间的信息。 血。分布是一种z ，模式。由局部放电脉冲序列吼( ，u ( t ，) ) 得到：根据 吼( f i 。u ( t ，) ) 可以得到放电对应的序列“以) ，将“( f j ) 按时间顺序排列，由式 a u 。= l ，舯l 一可以计算出多个工频周期内缸。分布情况。通过对多个工频周期内 a u 。分布与电树枝长度关系的研究，其结果表明【l 川：缸。分布与绝缘劣化程度有密 切关系。 放电波形模式也被称为局部放电时间分布( t t m er e s o l v e dp a r t i a ld i s c h a r g e ) 模式，它是将局部放电脉冲波形直接作为模式识别对象，提取波形特征，进行模式 识别。文献 2 0 - - 2 4 分别采用了不同的波形特征用于局部放电模式识别 1 2 2 局部放电模式特征参数提取 局部放电模式识别中，不论选择哪种放电模式，其数据量都相当大，如果直接 对其进行识别，将会很困难。为了有效地实现分类识别，就要对原始数据进行变换， 得到最能反映分类本质的特征，这就是特征提取和选择的过程。一般我们把原始数 据组成的空间叫测量空间，把分类识别赖以进行的空问叫做特征空间，通过变换， 可把在维数较高的测量空间中表示的模式变为维数较低的特征空间中表示的模式。 目前局部放电模式特征提取常用的方法主要有统计特征参数法、分形特征参数法、 数字图像矩特征参数法、波形特征参数法、小波特征参数等。 统计特征参数 文献【2 5 2 9 对统计算子在局部放电模式识别中的应用进行了研究，其 中：采用统计算子正确识别出6 种高压电抗器工业放电模型；用统计算子表 5 重庆大学硕士论文1 绪论 征1 2 种人工典型放电模型和1 6 种工业放电模型的特征图谱。研究结果表明 用统计算子能够区分局部放电类型。 威布尔参数 文献 3 0 - 3 5 应用威布尔( w e i b u l l ) 分布对放电脉冲幅值进行了分析，将得到的 统计参数作为人工神经网络的输入，从而实现局部放电的模式识别。研究了局部放 电脉冲幅值分布的统计特性，证实了单一放电h ( q ) 分布符合两参数的威布尔 ( w e i b u l l ) 分布。 舶) ： 卜e x p ( 华，】譬 0( 1 1 ) 【0q 0 式中口是系统监测到的各放电量与最小放电量( 系统灵敏度) 之间的差值。由威布尔 变换，( 1 1 0 ) 可以重写成 y = ) ，( 功= b t n ( a ) 】 r 12 、 式中y = i n 卜l n ( 1 一j 7 ( g ) ) 】，了= i n ( q ) 文献 3 0 ，3 5 】认为，混合放电的h ( q ) 符合多参数威布尔分布，通过威布尔分析， 能够估计出各组日( g ) 之威布尔参数及权重值，即分离出各单一放电的h ( q ) ，根据 权重值的大小就能判断各组放电的放电量相对大小 图像矩特征参数 矩特征描述了一幅灰度图象所有象素点的整体分布情况，广泛应用于图象处理 和模式识别领域。将局部放电p r p d 模式中的9 一窖一拜曲面投影在9 一晕二维平面 上，即为尹一g 一疗灰度图象。 文献 3 6 】介绍了以图像模式识别中常用的描述图像基本几何特征的矩特征描述 局部放电z ( g ，力灰度图像的方法，采用4 阶及以下中心矩( 除去1 阶中心矩) 以及 灰度中心坐标成功识别了电机线棒中的人造缺陷放电类型。 分形特征参数 l s a t i s h 于1 9 9 5 年首次将分形特征应用于局部放电识别，他以局部放电 口一q n 谱图的分维数和空缺率为特征量，研究了环氧树脂空穴放电的识别，取得 了良好效果阴从此，分形特征在局部放电模式识别中得到了广泛应用 3 7 4 3 1 。 文献p 8 】采用用小波包和分形维数来定量分析局部放电波形信号的局部特征，实 现对局部放电信号波形特征的量化分析；文献 3 9 1 将分形特征引入局部放电模式识 别研究中，采用分维数和空缺率两个分形特征能够区分人造l o 种缺陷，并成功识别 出已使用2 0 年的1 7 k v 三相电缆终端存在沿面放电缺陷；文献【4 0 】将分维数、空缺 率与威布尔分布参数作为局部放电识别特征参数，正确识别了3 种人工放电模型分 别在3 个试验电压下的放电类型。文献【4 1 】采用日。( 伊) 分布的分维数，正确区分了 6 重庆大学硕士论文l 绪论 5 种人造缺陷放电类型。文献【4 2 】采用q 一妒平面上的散点图的分维数和空缺率分形 特征对电机线棒缺陷进行识别。文献【4 3 】采用盒维数和信息维数对g i s 中5 种缺陷 进行了识别。 波形特征参数 文献【2 0 】采用了超高频测量方法测量g i s 局部放电，用t e k t r o n i xd s a6 0 2 示波 器( 采样率为2 g 点，秒) 测量，获得长度为1 0 0 0 点的局部放电脉冲波形，波形点列构 成1 0 0 0 维特征向量，再通过采用快速特征提取方法，将1 0 0 0 维特征向量压缩至2 0 维特征向量，输入人工神经网络能够识别不同类型放电。文献 2 h 采用局部放电脉 冲波形的覆盖面积、上升时间、下降时间、脉冲宽度和脉冲幅值等5 个特征参数识 别气隙放电和树枝放电。文献【2 2 】研究了局部放电脉冲波形自回归模型参数用于电 机绝缘缺陷局部放电模式识别放电脉冲波形自回归模型含义是：认为放电脉冲波 形跗) 是由白噪激励某一确定系统所产生的，e p 5 ( h ) ：| ( ”) 一罗口。s 伽一1 ) ，其中p 为 模型阶次，定义模型系数碣、p 和以聍) 的方差暑( ，) 为识别特征参数，用于局部放电 模式识别文献【2 3 】采用放电脉冲前沿时间、脉宽、后沿时间及波形存在时间进行 波形识别，成功识别9 种放电模型。文献| 4 4 】将每次采集放电脉冲时得到的数据点， 经过干扰抑制、数据归一化后，剔除数据序列前后两端的零值冗余数据，再采用时 域数据分段压缩技术压缩数据，从而得到用于模式识别的特征量。 小波特征参数 有学者将小波分析技术和分形理论相结合，对局部放电信号进行了分析。文献 1 4 5 】研究了小波理论与分形理论的互补往，从局部放电信号小波分解后的能量谱图 提取放电特征，用于局部放电模式识别。其得出的结论是将局部放电信号的逼近能 量谱和精细结构能量谱的分形维数作为特征量，能够有效地用于局部放电的模式识 别。文献【4 6 】采用小波变换将一q 一一三维谱图分解成一系列子图，根据不同子图 的能量占原分布图总能量的比例确定参与特征向量子图，提取了各个子图的统计特 征，对有混会放电的1 0 种放电类型进行了识别，效果良好。 1 2 3 局部放电模式识别分类决策 分类决策就是在特征空间中用统计的方法将识别对象归为某一类别m 。分类问 题可以描述为嗍：给定一个实例数据集合d ，该集合中的每一个实例是变量 a l ，彳2 ，以和c 的一个取值组合，即：( a l 。a 2 ，a s ；c ) 寻找一个函数八j ) ，对于任 意实例 ，该函数可以正确输出变量c 的值c 。习惯上将变量五，如，_ 。称 为属性变量，变量c 称为类变量，实例数据集合d 称为训练数据库，并将学习所得 的函数厂( j ) 称为分类器。作为分类器的函数八j ) 表示从属性变量 ，鸽，以到类变 量c 的一个映射。 在模式识别中，常用的分类器有基于距离的分类器、基于优化方法的分类器、 7 重庆大学硕士论文 1 绪论 基于统计概率的分类器、人工神经网络分类器| 4 9 - 5 1 1 等。 基于距离的模式分类器 基于距离的模式归类法依据待检模式与样本之间的距离判别模式匹配的程度。 距离越小则模式匹配程度越高。根据聚类分析算法中对于距离的不同定义，基于距 离的模式分类方法有很多种，局部放电模式识别中常用的有最小距离法捌和趋中心 度法 5 3 1 和最近邻法洲。 基于优化方法的分类器 在这类方法中，首先要定义一个评价分类器错误率的性能指标，即错误指标 ( e r r o rc r i t e r i o n ) 。由于错误指标度量的是分类器的错误率，因此它是分类器参数的 函数，这样分类器参数的确定就转化为求错误指标极小解的优化问题。 基于概率统计的分类器 统计决策理论是处理模式分类问题的基本理论之一，它对模式识别和分类器的 设计有着实际的指导意义。它主要基于概率统计模型得到各类别的特征向量分布， 以取得分类的功能。获得特征向量的分布基于一个类别已知的训练样本集，这是一 种监督学习的模式识别方法。 人工神经网络分类器 人工神经网络是由大量的神经元互联组成，模拟大脑神经处理信息的方式并对 信息进行并行处理和非线形转换的系统。通过样本信息对神经网络的训练，使其具 有与大脑相类似的记忆、辨识能力。神经网络具有许多重要的特点，自学习、自适 应能力、大型的并行处理能力、内部的互连性、存储的分布性、高度的非线性、良 好的容错性、结构的可变性、高度的鲁棒性和联想记忆功能等。在局部放电模式识 别应用中，b p 神经网络得到了广泛的应用 3 2 , 4 8 , 5 0 ；文献【5 5 5 7 】研究了自组织特征 映射网络在局部放电模式识别中的应用；文献 5 5 】研究了自适应共振理论网络在局 部放电模式识别中的应用；文献 5 1 ，5 8 研究了遗传神经网络在局部放电模式识别 中的应用。 1 3 本文研究的主要内容 综上所述可以看到，人们对局部放电的模式识别已经进行了大量的研究，并提 出了许多特征量提取方法，与国外研究的普遍状况相比，国内开展的理论研究和实 验研究总体上还落后于国外，同时，国外的研究也处于实验室研究和初步应用的探 索阶段，特别是对g i s 局部放电模式识别的研究更是不多见，因此有必要对g i s 局 部放电模式识别方法及放电特征提取进行深入研究。 本文在用u h f 法获得局部放电数据的基础上，对从g i s 局部放电超高频信号 波形中提取特征量进行了研究，本文的主要研究内容如下： l 重庆大学硕士论文 1 绪论 根据g i s 设备绝缘缺陷产生的局部放电形式和特点，完善4 种典型g i s 内 部缺陷的物理模型，并用本课题组研制的超高频传感器以及局部放电在线监测系统 获取大量放电样本； 研究u h fp d 信号经复小波变换分解后，从各层复小波系数中提取用于表征 局部放电模式的特征量及方法： 将复小波变换系数的实部和虚部适当组合形成复合复小波系数，研究复合复 小波系数所包含的特征信息，从中提取表征局部放电的新特征量，并与从复小波系 数的实部或虚部系数中提取的特征量所含的特征信息进行比较； 采用改进的f c m 算法进行特征信息压缩，并设计用于u h fp d 信号模式识 别的径向基神经网络分类器，对以单一和复合复小波系数为特征量的哪p d 信号 进行模式识别研究 9 重庆大学硕士论文2 以复小波系数为特征量的特征提取 2 以复小波系数为特征量的特征提取 2 1 引言 目前应用较为广泛的p d 模式识别主要是基于q 、妒、栉的二维、三维分布图的 各种方法印】，这些方法主要基于脉冲电流法的特征模式，需要采集多个工频周期的 数据，而对于高采样率的超高频( u l t r a - h i g h 姻u 劬简称u i f ) 检测法，数据样本存 储量大，不利于在线应用。国内外学者根据u h f 检测波形特点，提出了基于时域 波形识别法。能够有效地识别无噪声污染的纯净信号，但当在噪声环境下，时域波 形会发生严重的畸变，系统一旦应用于噪声环境性能急剧下降，因此，寻求一种更 为有效的特征模式提取特征向量是u h fp d 模式识别的研究重点。 本章引了入复小波变换和模糊d 均值聚类算法( f u z z yc m e a n 法，简称f c m 法) ，并在此基础上提出了一种从u h fp d 时域波形中提取用于模式识别特征向量 的方法。该方法首先对预处理过后的u h fp d 时域波形进行复小波变换，然后构造 复合复小波系数，最后用f c m 法对各尺度复合复小波系数进行压缩，得到的各类 复合复小波系数的能量即为特征量。 2 2g i s 超高频局部放电特征量选取 u h f 法是近年来发展起来的一项新技术。u h f 法测量的频率范围3 0 0 m h z 3 g h z l 9 3 。随着p d 监测技术的不断发展，u h f 法在英国、法国和德国迸行了部分理 论分析和实验研究，尤其是瑞士a b b 高电压技术公司在5 5 0 k v 的g i s 试验装置中 对u h f 法的适用性与灵敏度进行了深入的研究口3 j ，并与常规的脉冲电流法作了对 比。结果表明u h f 法具有灵敏度高、抗干扰能力强、能进行局放源定位和识别绝 缘缺陷类型等诸多优点。我国在近几年才开展对g i s 局部放电u h f 法检测研究f 9 8 m ，并已取得了初步成果。 目前针对u h f 检测法的模式识别主要还是沿用基于脉冲电流法的识别方法。在 局部放电模式识别中，p r p d 模式被广泛采用，p r p d 模式是通过描述局部放电发 生的工频相位伊( o 一3 6 0 。) 、放电量幅值q 和放电次数n 之间的关系来区分不同类型 的局部放电信号。针对p r p d 模式，国内外学者提出了统计特征参数法、威布尔参 数法、图像矩特征参数法、分形特征参数法等多种特征参数提取方法，其中统计算 子分为两类：一类是描述矿一q 、矽一甩谱图的形状差异，包括偏斜度繇、陡峭 度缸、局部峰点数j o e ；另一类是描述9 一q 谱图正负半周的轮廓差异，包括 互相关系数船、放电量因数q 、相位不对称度西以及修正的互相关系数m c c 但是p r p d 模式需要采集多个工频周期的数据，由于采集、处理数据的时间较长。 1 0 重庆大学硕士论文 2 以复小波系数为特征量的特征提取 g i s 腔体中局部放电的类型也有可能发生改变，这将增加所提取模式的不确定性， 最终影响识别精度；另外，该方法所需的数据量大，从数据采集到识别出结果的时 间也较长，不利于在线的应用因此，有必要寻找一种更加快速可靠的用于u i j f 法的模式识别方法。u h f 法具有众多优点，并且通过大容量高速示波器可采集纳秒 级的u h fp d 信号，由于采集数据的时间非常短，这就保证了所采集的u h fp d 信 号为单一局部放电类型。而不同的缺陷所激发的u h fp d 信号波形也不相同1 2 0 - 2 4 ， 所以从局放波形中能够提取出用于模式识别的特征量。 小波变换是一个时间和频率的局域变换，能有效地从信号中提取信息，并通过 伸缩和平移等运算功能对函数或信号进行多尺度细化分析，是处理p d 这种非稳定 信号的最优工具。小波变换要比其它的二次时频表示( 如维格纳分布等) 以及线性 时频表示中的短时傅立叶变换更为优越：它的变焦距特性，使得很容易将类别问差 距最大的部分进行突出表示，从而将不同类之间的差异“放大”，有助于提高分类识 别的准确度；小波变换后可以提供非常丰富的特征子集，使得构造特征向量的选择 余地很大；小波变换的计算速度快，适合于进行在线分析。因此，小波变换在非稳 态信号( 频率随时间而变化) 的分类中获得了广泛的应用。但是，由于实小波相频 特性单一，通常不能与被提取信号的相频特性相匹配，造成识别效果不佳，因此有 必要研究能与被提取信号相频特性相匹配的复小波。作者从复小波变换对u h fp d 信号分解过程入手，将能完整描述信号特征的复合复小波系数，进行适当的变换构 造出能表征u h fp d 信号的特征子集科，| 4 然而，得到的特征子集维数相当大，其中一些系数具有线性相关，如果直接构 成模式识别的特征信息量，势必出现冗余，从而影响识别精度，因此需要对其进行 适当优化降低维数处理，只要降维后的特征信息量构成的信息维数，能够有效区分 不同类型的p d 信号即可。聚类分析作为一种信息融合技术，广泛地应用于模式识 别、数据挖掘、计算机视觉和模糊控制等许多领域。模糊聚类则是一种新兴的聚类 分析技术。它能把一个没有类别标记的样本集按某种准则分成若干子类，使相似的 样本尽可能归为一类，而不相似的样本尽可能划分到不同的类中。 本文将采用放电波形模式，用复小波对u h fi d 时域波形进行分解，然后构造 复合复小波系数，最后用f c m 法对各尺度复合复小波系数进行压缩，并将各类复 合复小波系数的能量作为特征量。 2 3 复小波变换 2 3 1 小波变换和复小波变换的原理 设函数y o ) r 僻) ，其傅立叶变换为矾。) ，如果函数妒如) 满足允许条件【6 i j ： 重庆大学硕士论文2 以复小波系数为特征量的特征提取 c 妒= 掣i 我们称函数删为一基小波。基小波经过 = 击矧 d 国 伸缩平移得到一系列小波序列： ( 2 1 ) ( 2 2 ) 基小波具有如下特性：小波妒积分为零，即：e v ( f ) d t = o ；它有规范化范数 0 幢= l ，能量集中以f = o 为中心的邻域内；出j 。= o 函数丸) 在尺度s 、位置“的小波变换和逆变换定义为如下内积嘲： 夥q = c ，( f ) 去叹孚 出 ，( f ) = 古c 亡专町。，s 弦( 竿卜 ( 2 3 ) 式2 3 中的信号厂( f ) 、小波函数咖) 均为实函数时，为实小波交换；不管信号，o ) 是实函数还是复函数，只要j 施) 为复函数，那么为复小波变换 连续小波变换采用连续的尺度，具有最佳分辨率，但是由于计算量大，其逆变 换不唯一性使得连续小波的应用没有离散小波普遍。离散小波变换是对连续的尺度 s 和连续平移参数“进行离散而不是对时间变量t 进行离散：s - - a ，； u = d k ；k = lz3 ，可得离散小波缈，。( f ) = a - j ”“d - i t 一七) 。当a = 2 时，可得相应的 二迸小波。f ) 和二迸离散小波变换对： 少 。( f ) = 2 一72 - y ( 2 一j t 一七) 吖睁专! 肿( 2 - ，t - k ) d t ，o ) ；w 2 ， 弦：，( 2 一j t 一七皿 2 3 2 正交复小波的构造 ( 2 4 ) 文献【6 l 】指出，只要保持实小波滤波器的幅频特性、改变其相频特性的方法， 就能获得与现有实小波相同特性( 正交、紧支撑、消失矩和正则性等) 的复小波。 通常滤波器i l ( 月) 可以表示为( 2 5 ) 式的z 变换形式。 蓐( z ) ；f 铡血( = 一五) 行g - z , ) ( z 一：) ( 2 5 ) 式中 为不等于i 的实数；毛，i 为互位共轭复数 设毛= a - 弘，则乏= a + 弘，可知： 重庆大学硕士论文 2 以复小波系数为特征量的特征提取 i2 l = 一z ，l = i c o s 0 3 一js i n w - a - 硝 = 1 + a2 + 62 2 ( a c o s o ) 一bs i n ) = a 2 妇一1 1 2 = 怕一j b ) ( c o s 一j s i n c o ) 一1 1 2 = l + a 2 + 6 2 2 ( 口c o s o ) 一b s i n 甸= 一2 z 一互= ( c o s m 一口) 一j ( s i n t o ) 一6 ) = a e 筘 = a e j 4 ( 2 6 ) ( 2 7 ) ( 2 8 ) ( 2 9 ) 其中，口：。一塑1 ，万：。咖f 坐竺些竺譬1 ，且当6 = 0 时，上述式子( 2 6 ) 、一a + c o s mj、口c o s 脚一o s i n 圆一l ( 2 9 ) 依然成立。 ： 式( 2 6 ) 和( 2 7 ) 说明0 一= ，) 和仁。z 一1 ) 具有相同的幅频特性；式( 2 8 ) 和 ( 2 9 ) 说明( z z 。) 和g z 一1 ) 具有不同的相频特性。它表明对改变小波相频特性有贡 献的是复根，实根仅仅起到改变小波滤波器系数对称性的作用。因此，可以用( z ：一1 ) 代替0 一弓) ，或用一1 ) 代替g z ：) ( 包括毛= ， 为实数) 来实现复小波滤波器的 构造。 可以证明 6 2 1 ，通过上述变换得到的复滤波器自动满足正交滤波器的自对偶性、 独立性、精确重构性，其规范性条件只要在构建时加以考虑，那么所构建的复滤波 器组必然满足正交滤波器的所有条件，因此，此复滤波器必然为一复小波的低通滤 波器。 2 4 特征提取 2 4 1 复合复小波系数的构造 经复小波变换后得到的系数为复数(