專(zhuān)利名稱(chēng)：局部放電識(shí)別方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及局部放電技術(shù)領(lǐng)域，特別是涉及一種局部放電識(shí)別方法，以及一種局部放電識(shí)別系統(tǒng)。
背景技術(shù)：
局部放電主要是變壓器、互感器以及其它一些高壓電氣設(shè)備在高電壓的作用下，其內(nèi)部絕緣發(fā)生的放電。它是各種高壓設(shè)備發(fā)生故障的主要原因之一。隨著我國(guó)電力事業(yè)的飛速發(fā)展和城鄉(xiāng)電網(wǎng)建設(shè)、改造工作的不斷深入，社會(huì)發(fā)展和進(jìn)步對(duì)供電可靠性的要求也不斷提高，如何及時(shí)掌握高壓設(shè)備健康狀態(tài)，制定正確的檢修對(duì)策，避免因設(shè)備本身質(zhì)量問(wèn)題導(dǎo)致的突發(fā)性事故的發(fā)生，變得尤為重要。 目前國(guó)內(nèi)外針對(duì)高壓設(shè)備是否產(chǎn)生局部放電的研究方法主要有兩種，第一種是把采集到的信號(hào)經(jīng)處理后與某一經(jīng)驗(yàn)閾值比較，高于此閾值則發(fā)生局部放電，這種基于單一特征參數(shù)識(shí)別方法雖然方便簡(jiǎn)潔，但局部放電的識(shí)別率較低。第二種是提取局部放電信號(hào)的多維特征參數(shù)，訓(xùn)練出是否局部放電的模型，運(yùn)用支持向量機(jī)(SVM)的局放識(shí)別器對(duì)所采集的信號(hào)進(jìn)行識(shí)別，該方法有效的提高了局部放電的識(shí)別率，但是SVM有個(gè)缺點(diǎn)隨著樣本數(shù)目的增大，所需的計(jì)算時(shí)間和空間存儲(chǔ)資源都會(huì)成幾何級(jí)數(shù)增加，在識(shí)別大容量樣本時(shí)，SVM局部放電識(shí)別器往往不能有效的工作。

發(fā)明內(nèi)容
基于此，本發(fā)明提供一種局部放電識(shí)別方法，該方法利用主成分分析方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，降低樣本空間的維數(shù)，在保證識(shí)別率的情況下大大提高了計(jì)算速度。本發(fā)明的技術(shù)方案如下一種局部放電識(shí)別方法，包括如下步驟采集高壓設(shè)備的音頻信號(hào)，對(duì)所述音頻信號(hào)進(jìn)行時(shí)域分析和頻域分析，提取信號(hào)特征；利用主成分分析法對(duì)所述信號(hào)特征進(jìn)行降維；對(duì)降維后的所述信號(hào)特征進(jìn)行分類(lèi)識(shí)別，判斷是否產(chǎn)生局部放電。在其中一個(gè)實(shí)施例中，還包括對(duì)采集的所述音頻信號(hào)進(jìn)行預(yù)處理的步驟，其中，所述預(yù)處理包括前端處理、降噪和端點(diǎn)檢測(cè)，所述前端處理包括預(yù)加重和加窗分幀。在其中一個(gè)實(shí)施例中，所述信號(hào)特征包括短時(shí)平均幅度、高過(guò)零率比、均方根值、美爾倒譜系數(shù)、子帶能量比和信號(hào)帶寬。在其中一個(gè)實(shí)施例中，所述對(duì)所述信號(hào)特征進(jìn)行降維為對(duì)所述美爾倒譜系數(shù)進(jìn)行降維。本發(fā)明的另一目的還在于提供能實(shí)現(xiàn)上述方法的局部放電識(shí)別系統(tǒng)。一種局部放電識(shí)別系統(tǒng)，包括提取模塊、降維模塊、判斷模塊；所述提取模塊用于采集高壓設(shè)備的音頻信號(hào)，對(duì)所述音頻信號(hào)進(jìn)行時(shí)域分析和頻域分析，提取信號(hào)特征；所述降維模塊用于利用主成分分析法對(duì)所述信號(hào)特征進(jìn)行降維；所述判斷模塊用于對(duì)降維后的所述信號(hào)特征進(jìn)行分類(lèi)識(shí)別，判斷是否產(chǎn)生局部放電。在其中一個(gè)實(shí)施例 中，還包括預(yù)處理模塊，用于對(duì)所述提取模塊中采集的所述音頻信號(hào)進(jìn)行預(yù)處理；其中，所述預(yù)處理包括前端處理、降噪和端點(diǎn)檢測(cè)，所述前端處理包括預(yù)加重和加窗分幀。在其中一個(gè)實(shí)施例中，所述信號(hào)特征包括短時(shí)平均幅度、高過(guò)零率比、均方根值、美爾倒譜系數(shù)、子帶能量比和信號(hào)帶寬。在其中一個(gè)實(shí)施例中，所述降維模塊中對(duì)所述信號(hào)特征進(jìn)行降維為對(duì)所述美爾倒譜系數(shù)進(jìn)行降維。本發(fā)明針對(duì)現(xiàn)有SVM識(shí)別器技術(shù)識(shí)別大容量樣本時(shí)的缺陷，先對(duì)采集的音頻信號(hào)進(jìn)行預(yù)處理消除數(shù)據(jù)的相關(guān)性和噪聲干擾，通過(guò)時(shí)域分析和頻域分析提取信號(hào)特征后，利用主成分分析法對(duì)信號(hào)特征進(jìn)行降維，提取包含樣本數(shù)據(jù)信息的主元，降低樣本空間的維數(shù)，在局放識(shí)別率基本不變的前提下，提高了局放識(shí)別速率，大大地簡(jiǎn)化計(jì)算和節(jié)約資源空間。


圖I為本發(fā)明局部放電識(shí)別方法在一實(shí)施例中的流程示意圖；圖2為本發(fā)明局部放電識(shí)別系統(tǒng)在一實(shí)施例中的結(jié)構(gòu)框圖。
具體實(shí)施例方式下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明，但本發(fā)明的實(shí)施方式不限于此。如圖1，是本發(fā)明局部放電識(shí)別方法在一實(shí)施例中的流程示意圖，包括以下步驟S101、采集高壓設(shè)備的音頻信號(hào)，對(duì)所述音頻信號(hào)進(jìn)行時(shí)域分析和頻域分析，提取信號(hào)特征；對(duì)于S101、在一個(gè)優(yōu)選的實(shí)施例中，還包括對(duì)采集的所述音頻信號(hào)進(jìn)行預(yù)處理的步驟；在本實(shí)施例中，可采集局部放電的音頻信號(hào)進(jìn)行預(yù)處理；利用超聲波傳感器采集到待測(cè)音頻信號(hào)以后，經(jīng)過(guò)降頻處理，將得到的音頻信號(hào)以IS為單位經(jīng)過(guò)節(jié)選后以wav的格式存儲(chǔ)，以用于接下來(lái)的信號(hào)預(yù)處理；本實(shí)施例中音頻信號(hào)的抽樣頻率設(shè)置為40千赫茲。所述預(yù)處理優(yōu)選包括前端處理、降噪和端點(diǎn)檢測(cè)，所述前端處理優(yōu)選包括預(yù)加重和加窗分幀；由于信號(hào)在高頻段部分有嚴(yán)重的跌落，頻譜較尖銳，因此需要在信號(hào)的預(yù)處理中首先對(duì)其進(jìn)行預(yù)加重處理以提升高頻部分，平滑信號(hào)頻譜，便于信號(hào)的頻譜特征分析與特征參數(shù)提取。可將采集到的wav格式的信號(hào)通過(guò)一個(gè)一階數(shù)字濾波器進(jìn)行預(yù)加重，濾波器的表達(dá)式為Hs(Z) = 1-ΨΖ-1 ；本實(shí)施例采用Ψ的值為O. 9375的濾波器進(jìn)行預(yù)加重處理，所述音頻信號(hào)進(jìn)行預(yù)濾波處理后，信號(hào)的信噪比得以提高。
加窗分幀處理可采用長(zhǎng)度為240個(gè)采樣點(diǎn)的漢寧窗序列η(η) =Sin2(f^-) = 0.5-0.5cos(—)^n = O, I,, N-I
wNN對(duì)預(yù)加重后的音頻信號(hào)進(jìn)行處理，并讓該窗序列滑動(dòng)，為保證連續(xù)性，幀與幀之間有三分之二的重疊，幀移量為80。降噪處理可采用濾波的信號(hào) 降噪法，對(duì)前端處理后的音頻信號(hào)中單一頻率噪聲采用窗口法設(shè)計(jì)的FIR帶阻濾波器對(duì)信號(hào)進(jìn)行濾波處理，以除去背景噪聲干擾；帶阻濾波器通過(guò)設(shè)定參數(shù)濾除掉50Hz左右的噪聲干擾，帶阻濾波器利用凱塞窗，實(shí)現(xiàn)了基于濾波的信號(hào)降噪，從而達(dá)到去除噪聲的干擾、促進(jìn)信號(hào)的特征提取、改進(jìn)音頻信號(hào)的質(zhì)量和減少背景噪聲對(duì)信號(hào)分析的影響的目的。端點(diǎn)檢測(cè)，即對(duì)所述音頻信號(hào)段的進(jìn)行分割，是所述音頻信號(hào)品質(zhì)特性的研究與識(shí)別中至關(guān)重要的一步。所述音頻信號(hào)的處理與特征參數(shù)的提取都需要根據(jù)對(duì)應(yīng)的信號(hào)段來(lái)實(shí)現(xiàn)，因此只有準(zhǔn)確地判斷出每幀音頻信號(hào)對(duì)應(yīng)的端點(diǎn)，才能準(zhǔn)確地提取出有用的音頻信號(hào)段。在一個(gè)優(yōu)選的實(shí)施例中，可采用基于過(guò)零率和短時(shí)能量的時(shí)域端點(diǎn)檢測(cè)方法。以時(shí)域參數(shù)作為特征的端點(diǎn)檢測(cè)算法，一般主要以時(shí)間軸上能反映音頻信號(hào)特征的幅值、能量等作為參數(shù)來(lái)區(qū)分信號(hào)與噪聲而進(jìn)行端點(diǎn)檢測(cè)，具有直觀準(zhǔn)確等優(yōu)點(diǎn)。離散信號(hào)的過(guò)零率實(shí)際就是每幀內(nèi)信號(hào)采樣點(diǎn)符號(hào)變化的次數(shù)。信號(hào)按段分割后處理可稱(chēng)為短時(shí)，把分幀后的信號(hào)按每幀內(nèi)采樣點(diǎn)的過(guò)零次數(shù)作統(tǒng)計(jì)平均就是短時(shí)平均過(guò)零率。由于信號(hào)的采樣頻率是固定的，所以過(guò)零率也是信號(hào)頻率的一種反映，可以通過(guò)信號(hào)的過(guò)零率對(duì)信號(hào)的頻譜特性進(jìn)行粗略的估測(cè)。其數(shù)學(xué)表達(dá)式如下所示
I+COGn =-[ sgn ^ (m)]-sgn s(m-l) w(n-m)
JJi = -CC其中，sgn[]為符號(hào)函數(shù)；
Γ η [I s(n) ^ Osgn s (η)=]。
L w」[ο 5( )<0音頻信號(hào)與噪聲信號(hào)的主要區(qū)別表現(xiàn)在它們的能量上，且隨時(shí)間變化較為明顯，音頻段的能量比噪聲段的大，音頻段的能量相當(dāng)于噪聲段能量與音頻信號(hào)聲波能量的疊力口。當(dāng)環(huán)境噪聲和系統(tǒng)輸入噪聲較小時(shí)，即能夠保證系統(tǒng)的信噪比相當(dāng)高的情況下，可利用計(jì)算輸入信號(hào)的短時(shí)能量的方法把信號(hào)段和噪聲段區(qū)分開(kāi)來(lái)。若已知s(m)為原始聲音信號(hào)采樣序列，則信號(hào)的短時(shí)能量Em定義為
+opmEm - ^= ^
/7=-00n=m-N+l°在一個(gè)優(yōu)選的實(shí)施例中，所述信號(hào)特征包括短時(shí)平均幅度、高過(guò)零率比、均方根值、美爾倒譜系數(shù)、子帶能量比和信號(hào)帶寬。時(shí)域分析方法為基于能量、功率、幅度的分析處理的時(shí)域分析方法；頻域分析方法為基于短時(shí)傅里葉變換、倒譜變換、離散余弦變換的頻域分析方法。上述信號(hào)特征的提取方法如下
(I)短時(shí)平均幅度提取短時(shí)平均幅度差Fn(k)的計(jì)算公式為
權(quán)利要求
1.一種局部放電識(shí)別方法，其特征在于，包括如下步驟 采集高壓設(shè)備的音頻信號(hào)，對(duì)所述音頻信號(hào)進(jìn)行時(shí)域分析和頻域分析，提取信號(hào)特征； 利用主成分分析法對(duì)所述信號(hào)特征進(jìn)行降維； 對(duì)降維后的所述信號(hào)特征進(jìn)行分類(lèi)識(shí)別，判斷是否產(chǎn)生局部放電。
2.根據(jù)權(quán)利要求I所述的局部放電識(shí)別方法，其特征在于，還包括對(duì)采集的所述音頻信號(hào)進(jìn)行預(yù)處理的步驟，其中，所述預(yù)處理包括前端處理、降噪和端點(diǎn)檢測(cè)，所述前端處理包括預(yù)加重和加窗分幀。
3.根據(jù)權(quán)利要求I所述的局部放電識(shí)別方法，其特征在于，所述信號(hào)特征包括短時(shí)平均幅度、高過(guò)零率比、均方根值、美爾倒譜系數(shù)、子帶能量比和信號(hào)帶寬。
4.根據(jù)權(quán)利要求3所述的局部放電識(shí)別方法，其特征在于，所述對(duì)所述信號(hào)特征進(jìn)行降維為對(duì)所述美爾倒譜系數(shù)進(jìn)行降維。
5.一種局部放電識(shí)別系統(tǒng)，其特征在于，包括提取模塊、降維模塊、判斷模塊； 所述提取模塊用于采集高壓設(shè)備的音頻信號(hào)，對(duì)所述音頻信號(hào)進(jìn)行時(shí)域分析和頻域分析，提取信號(hào)特征； 所述降維模塊用于利用主成分分析法對(duì)所述信號(hào)特征進(jìn)行降維； 所述判斷模塊用于對(duì)降維后的所述信號(hào)特征進(jìn)行分類(lèi)識(shí)別，判斷是否產(chǎn)生局部放電。
6.根據(jù)權(quán)利要求5所述的局部放電識(shí)別系統(tǒng)，其特征在于，還包括預(yù)處理模塊，用于對(duì)所述提取模塊中采集的所述音頻信號(hào)進(jìn)行預(yù)處理；其中，所述預(yù)處理包括前端處理、降噪和端點(diǎn)檢測(cè)，所述前端處理包括預(yù)加重和加窗分幀。
7.根據(jù)權(quán)利要求5所述的局部放電識(shí)別系統(tǒng)，其特征在于，所述信號(hào)特征包括短時(shí)平均幅度、高過(guò)零率比、均方根值、美爾倒譜系數(shù)、子帶能量比和信號(hào)帶寬。
8.根據(jù)權(quán)利要求7所述的局部放電識(shí)別系統(tǒng)，其特征在于，所述降維模塊中對(duì)所述信號(hào)特征進(jìn)行降維為對(duì)所述美爾倒譜系數(shù)進(jìn)行降維。
全文摘要
本發(fā)明提供一種局部放電識(shí)別方法，以及局部放電識(shí)別系統(tǒng)。該方法包括采集高壓設(shè)備的音頻信號(hào)，對(duì)所述音頻信號(hào)進(jìn)行時(shí)域分析和頻域分析，提取信號(hào)特征；利用主成分分析法對(duì)所述信號(hào)特征進(jìn)行降維；對(duì)降維后的所述信號(hào)特征進(jìn)行分類(lèi)識(shí)別，判斷是否產(chǎn)生局部放電。本發(fā)明利用主成分分析方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，降低樣本空間的維數(shù)，在保證識(shí)別率的情況下大大提高了計(jì)算速度。
文檔編號(hào)G01R31/12GK102628917SQ201210125298
公開(kāi)日2012年8月8日 申請(qǐng)日期2012年4月25日 優(yōu)先權(quán)日2012年4月25日
發(fā)明者唐小龍, 熊俊, 田立斌, 陸國(guó)俊, 黃炎光 申請(qǐng)人:廣州供電局有限公司, 廣州安電測(cè)控技術(shù)有限公司