基于灰度矩特征的局部放电模式识别

局部放电特征向量的辨识能力是决定模式识别需要的数据量和正确与否的关键。本文提出一种新的特征参数提取方法,先将三维φ-q-n谱图进行分割、移位、合并,形成宽度为180°的两个部分;然后将每一部分投影到φ-q平面上,转化为二维数字图像;最后计算两部分数字图像的矩和中心矩。采用三层BP神经网络作为分类器,将灰度矩连同放电量在内的6个参数作为输入。针对三种常见的放电类型,气隙放电、沿面放电和电晕放电进行了试验测试,对试验数据的测试结果显示,识别率均达到100%。