公开(公告)号：CN109975665B

公开(公告)日：2020-06-19

申请号：CN201910223196.3

申请日：2019-03-22

Applicant: 华南理工大学

Inventor： 宋廷汉 ,  牛海清 ,  聂程 ,  陈泽铭

IPC: G01R31/12 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种电力设备局部放电信号放电类型识别方法，该方法包括以下步骤：S1、获取已知类型的局部放电时域波形，建立局部放电类型指纹库；S2、运用小波包对局部放电信号进行去噪预处理；S3、对局部放电信号进行S变换，得到时频矩阵A；S4、对局部放电信号进行谱峭度分解，提取出时频矩阵B；S5、对时频矩阵B进行奇异值分解，选取合适的奇异值个数，并归一化奇异值作为特征向量；S6、将训练样本的特征向量作为遗传算法优化的概率神经网络输入，训练得到最优概率神经网络结构；S7、将检验样本特征向量输入最优概率神经网络结构，得到局部放电信号类型。本发明公开的方法识别速度快，识别精度高。

公开(公告)号：CN109975665A

公开(公告)日：2019-07-05

申请号：CN201910223196.3

申请日：2019-03-22

Applicant: 华南理工大学

Inventor： 宋廷汉 ,  牛海清 ,  聂程 ,  陈泽铭

IPC: G01R31/12 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种电力设备局部放电信号放电类型识别方法，该方法包括以下步骤：S1、获取已知类型的局部放电时域波形，建立局部放电类型指纹库；S2、运用小波包对局部放电信号进行去噪预处理；S3、对局部放电信号进行S变换，得到时频矩阵A；S4、对局部放电信号进行谱峭度分解，提取出时频矩阵B；S5、对时频矩阵B进行奇异值分解，选取合适的奇异值个数，并归一化奇异值作为特征向量；S6、将训练样本的特征向量作为遗传算法优化的概率神经网络输入，训练得到最优概率神经网络结构；S7、将检验样本特征向量输入最优概率神经网络结构，得到局部放电信号类型。本发明公开的方法识别速度快，识别精度高。