一种基于统计学习理论的XLPE电缆局部放电信号估计方法技术

本发明专利技术公开了一种基于统计学习理论的XLPE电缆局部放电信号估计方法，包括：输入采集的XLPE电缆的局部放电信号；将XLPE电缆局部放电信号通过基函数的线性组合来表示；对XLPE电缆局部放电信号进行小波分解，得到按照分解系数能量由大到小顺序的新的小波系数序列；根据上述分解系数序列，依次令VC维h＝1,2,...,L，从新的小波系数序列中保留前h-1个小波分解系数，并将剩余的分解系数置零，计算相应的结构风险；找出使得{Rstr(h)}最小的VC维h0；输出XLPE电缆局部放电的最优估计信号。本发明专利技术有益效果：处理后信号波形与真实信号波形的匹配度高，能够较好地保留了放电信号成分，对背景噪声的平滑效果也十分显著。

【技术实现步骤摘要】

本专利技术涉及XLPE电缆局部放电检测领域，尤其涉及一种基于统计学习理论的 XLPE电缆局部放电信号估计方法。
技术介绍
交联聚乙稀（Cross-linked Polyethylene，XLPE)电缆是以XLPE为主绝缘、聚氯 乙烯为外护层的电力电缆，具有电气性能和耐热性能优良、传输容量大、工艺简单、安装方 便等特点，现已广泛应用于电力系统各个电压等级的输配电网中。 随着XLPE电缆在电力输配电网中的广泛应用，因 XLPE电缆绝缘损坏导致的电力 故障也不断增加，根据有关部门统计，电缆事故占全部电力设备事故的60%以上。在现场检 测条件下，局放检测会受到多种噪声源的干扰，导致检测信号的信噪比很低，严重影响到检 测的可靠性。因此，如何估计现场电缆的真实信号成为局放检测研宄中的首要任务。在分 析时，往往要求信号在时域和频域中都有较高的分辨率，因此对信号采集的长度和采样率 提出了较高的要求。在采样长度不足或采样率过低时，传统XLPE电缆局部放电信号估计方 法效果往往比较有限，无法良好的还原真实信号，信噪比较低。
技术实现思路
本专利技术的目的就是为了解决上述问题，提出了一种基于统计学习理论的XLPE电 缆局部放电信号估计方法，该方法根据统计学习理论中的结构风险最小化思想，并进行小 波分解变换，处理后的信号波形与真实信号波形的匹配度高，能够较好地保留了放电信号 成分，对背景噪声的平滑效果也十分显著，降低了对信号采集的长度和采样率的要求，提高 了分析效率。 为了实现上述目的，本专利技术采用如下技术方案： 一种基于统计学习理论的XLPE电缆局部放电信号估计方法，包括下述步骤： 步骤1，输入采集的XLPE电缆的局部放电信号； 步骤2,将XLPE电缆局部放电信号通过基函数的线性组合来表示； 步骤3,对XLPE电缆局部放电信号进行小波分解，得到按照分解系数能量由大到 小顺序的新的小波系数序列IV }; 步骤4,根据上述分解系数序列，依次令VC维h = 1，2, ...，L，从新的小波系数序 列{w' }中保留前h-Ι个小波分解系数Iw1'，w' 2，...，w' h_J，并将剩余的分解系数 (Wh'h+l，...，W' l)系数置零，计算相应的结构风险艮^〇!); 步骤5,找出使得{Rst, (h)}最小的VC维； 步骤6,输出XLPE电缆局部放电的最优估计信号。 所述步骤2中，将XLPE电缆局部放电信号通过基函数的线性组合来表示具体为： τη (.'ν，νν) = Z u)g,.⑴ + W0 其中，χ表示连续单变量，gi(x)为基函数，Wi为分解系数；w C1为分解残差，表示信 号均值或者趋势。 所述步骤3的具体方法为： 对XLPE电缆局部放电信号进行小波分解，分解后得到系数序列Iwj及其相应的 小波基序列{ Φ ，其序列长度为L ;计算各分解系数所对应的分解系数能量W ^将w jk、 1]^及对应的^1;表示为三元组集合{〇^1;，11^，^}; 将{(wjk，Φ jk，Wjk)}按照Wjk从大到小进行排序后形成新的二元组序列 Kw1' ，Φ/ ，V )}，使得W/彡V彡…彡V，其中，1为序号，I = 1，2，...，L; 将^'提出，形成新的小波系数序列{V }，此序列为按照分解系数能量由大到小 顺序的分解系数序列。 计算各分解系数％k所对应的分解系数能量W Λ的具体方法为： Wjk= I 2 J/2 -WjJ2; 其中，j为分解层数，k为分解分量的序号，k = 0, 1，2. . .，2j_l。 分解系数Wjk对应的小波基Φ jk (X)具体为： y/β (x) = sjl/y/[2Jx-k )； 其中，x为离散的XLPE电缆局部放电信号，j为分解层数，k为分解分量的序号，k =0, 1，2. · ·，2J_l〇 所述步骤4中，结构风险Rsta(h)为经验风险和置信区间之和，即 Rstr (h) = Remp+E(h/n) (11) 其中，η为信号长度，Rst,为结构风险，E为置信区间，h为函数集的VC维，设置为 h e ，是VC维h的增函数，Rmp是经验风险。 所述经验风险Rmp通过真实信号ξ i与估计信号f(x)的均方误差来衡量：【主权项】1. 一种基于统计学习理论的XLPE电缆局部放电信号估计方法，其特征在于，包括下述 步骤： 步骤1，输入采集的XLPE电缆的局部放电信号； 步骤2,将XLPE电缆局部放电信号通过基函数的线性组合来表示； 步骤3,对XLPE电缆局部放电信号进行小波分解，得到按照分解系数能量由大到小顺 序的新的小波系数序列IV}; 步骤4,根据上述分解系数序列，依次令VC维h= 1，2, ...，L，从新的小波系数序 列{w' }中保留前h-1个小波分解系数|w' 1>W' 2，...，w'h_J，并将剩余的分解系数 Vh，w'h+l，...，w'i)系数置零，计算相应的结构风险艮^〇!); 步骤5,找出使得{Rst, (h)}最小的VC维心； 步骤6,输出XLPE电缆局部放电的最优估计信号。2. 如权利要求1所述的一种基于统计学习理论的XLPE电缆局部放电信号估计方法， 其特征在于，所述步骤2中，将XLPE电缆局部放电信号通过基函数的线性组合来表示具体 为：其中，x表示连续单变量，gi(x)为基函数，Wi为分解系数；W(l为分解残差，表示信号均 值或者趋势。3. 如权利要求1所述的一种基于统计学习理论的XLPE电缆局部放电信号估计方法，其 特征在于，所述步骤3的具体方法为： 对XLPE电缆局部放电信号进行小波分解，分解后得到系数序列{wj及其相应的小波 基序列{U，其序列长度为L;计算各分解系数％浙对应的分解系数能量Ww将"k、步jk 及对应的WJk表示为三元组集合{(wJk，itJk，WJk)}; 将Kwjk，步jk，Wjk)}按照V人大到小进行排序后形成新的二元组序列Kw，uV丄)}，使得W' >W' L，其中，1 为序号，1 = 1，2，...，L; 将w' 1提出，形成新的小波系数序列{V}，此序列为按照分解系数能量由大到小顺 序的分解系数序列。4. 如权利要求3所述的一种基于统计学习理论的XLPE电缆局部放电信号估计方法，其 特征在于，计算各分解系数％k所对应的分解系数能量WA的具体方法为： ffJk= |2 J/2 ?wJk|2； 其中，j为分解层数，k为分解分量的序号，k= 0, 1，2. ..，2^15. 如权利要求3所述的一种基于统计学习理论的XLPE电缆局部放电信号估计方法，其 特征在于，分解系数w;,.对应的小波基itjk(x)具体为：其中，x为离散的XLPE电缆局部放电信号，j为分解层数，k为分解分量的序号，k= 0，1，2. ? ?，2J._1 〇6. 如权利要求1所述的一种基于统计学习理论的XLPE电缆局部放电信号估计方法，其 特征在于，所述步骤4中，结构风险Rsta(h)为经验风险和置信区间之和，即 Rstr (h) =Remp+E(h/n) (11) 其中，n为信号长度，Rsta为结构风险，E为置信区间，h为函数集的VC维，设置为hG，是VC维h的增函数，RMP是经验风险。7. 如权利要求6所述的一种基于统本文档来自技高网...

【技术保护点】
一种基于统计学习理论的XLPE电缆局部放电信号估计方法，其特征在于，包括下述步骤：步骤1，输入采集的XLPE电缆的局部放电信号；步骤2，将XLPE电缆局部放电信号通过基函数的线性组合来表示；步骤3，对XLPE电缆局部放电信号进行小波分解，得到按照分解系数能量由大到小顺序的新的小波系数序列{w′}；步骤4，根据上述分解系数序列，依次令VC维h＝1,2,...,L，从新的小波系数序列{w′}中保留前h‑1个小波分解系数{w′1,w′2,...,w′h‑1}，并将剩余的分解系数{w′h,w′h+1,...,w′L}系数置零，计算相应的结构风险Rstr(h)；步骤5，找出使得{Rstr(h)}最小的VC维h0；步骤6，输出XLPE电缆局部放电的最优估计信号。

【技术特征摘要】

【专利技术属性】
技术研发人员：段玉兵，胡晓黎，雍军，杨波，张皓，孙晓斌，孟海磊，
申请(专利权)人：国家电网公司，山东电力研究院，
类型：发明
国别省市：北京;11