基于改进S变换的超高频局部放电信号特征提取及分类

被引：29

作者：

龙嘉川 ^{[1
]}

王先培 ^{[2
]}

代荡荡 ^{[2
]}

田猛 ^{[2
]}

朱国威 ^{[2
]}

黄云光 ^{[3
]}

机构：

[1] 武汉东湖学院电子信息工程学院

[2] 武汉大学电子信息学院

[3] 广西电网有限责任公司电力科学研究院

来源：

高电压技术 | 2018年 / 44卷 / 11期

关键词：

局部放电; 超高频; 改进S变换; 支持向量机; 特征提取; 分类;

D O I：

暂无

中图分类号：

TM855 [绝缘的试验与检查];

学科分类号：

080803 [高电压与绝缘技术];

摘要：

超高频(ultra-high frequency, UHF)局部放电(partial discharge, PD)检测法是目前应用最广泛的PD检测方法之一,通过提取UHF PD信号的时频特征可实现PD类型的识别。因此提出了一种基于改进S变换的UHF PD信号时频特征提取方法,首先通过引入新的频域窗宽度计算公式对标准S变换进行改进;然后根据得到的S变换模矩阵计算频率-最大幅值图,并提取出6维统计特征量;最后结合支持向量机(support vector machine, SVM)完成PD信号的识别。试验结果表明:该方法兼顾了S变换的时、频域分辨率,使得到的特征量能更加准确地反映PD成分在时频域的分布特性;在未经去噪的情况下,该方法仍可获得高达97.33%的分类正确率,验证了其较强的噪声鲁棒性;与常用的PD信号特征提取法相比,所提方法获得的PD类型识别率更高。研究结果可以为超高频局部放电信号识别提供参考。

引用

页码：3649 / 3656

页数：8

共 7 条

[1]

LIBSVM.[J].Chih-Chung Chang;Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology (TIST).2011, 3

[2]

Feature extraction of partial discharge signals using the wavelet packet transform and classification with a probabilistic neural network [J].

Evagorou, D. ;

Kyprianou, A. ;

Lewin, P. L. ;

Stavrou, A. ;

Efthymiou, V. ;

Metaxas, A. C. ;

Georghiou, G. E. .

IET SCIENCE MEASUREMENT & TECHNOLOGY, 2010, 4 (03) :177-192

[3]

Local S -spectrum analysis of 1-D and 2-D data.[J].L. Mansinha;R.G. Stockwell;R.P. Lowe;M. Eramian;R.A. Schincariol.Physics of the Earth and Planetary Interiors.1997, 3

[4]

基于改进EEMD和Cohen类的局部放电信号联合时频分析 [J].