System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 结合特征碎片与小波包的电缆故障特征提取方法和装置制造方法及图纸_技高网

结合特征碎片与小波包的电缆故障特征提取方法和装置制造方法及图纸

技术编号:40951669 阅读:5 留言:0更新日期:2024-04-18 20:26
本发明专利技术提供了结合特征碎片与小波包的电缆故障特征提取方法和装置,属于电力电缆故障检测技术领域。采用对电缆故障信号分段,再使用小波包分解在小波分解的基础上对每一段故障信号进行分解的方法,来获取电缆故障模式中的高频故障信息。把电缆故障信号零序电流幅值和正序电压相位作为原始故障模式,对原始故障模式进行碎片化处理,对每部分碎片进行小波包分解得到小波包系数,将不同碎片的小波包系数加权求和,再赋给各碎片不同的权值求得新故障特征。利用Fisher准则判断分类结果是否准确,对碎片权值进行重新分配,进行特征提取算法的优化。

【技术实现步骤摘要】

本专利技术涉及结合特征碎片与小波包的电缆故障特征提取方法和装置,属于电力电缆故障检测。


技术介绍

1、电力电缆线路以具有供电可靠、能保证安全用电、送电容量大等优点,在电力系统中的应用越来越广泛,对国民经济和社会发展起着至关重要的支撑作用。然而,由于绝缘老化和机械损坏等原因,电力电缆在长期运行过程中可能会产生各种各样的故障。一旦电力电缆发生故障,将产生巨大的社会和经济损失。因此,需要及时弄清楚故障原因,并准确判断出故障类型,从而消除故障。

2、小波变换是通过一组基函数对低频信号进行不断的分解,对分解出来的高频信号不做处理,但是电缆故障信号具有采样频率高、数据量大等特点,在进行故障特征提取时,需要将高频部分进行进一步的分解来获取信息。小波包分解是在小波变换的基础上发展优化的,在对每一级信号分解时,不仅对低频子带进行进一步分解,对高频子带也进行更进一步的分解,提供一种更精细的分析方法,对提高分辨率方面具有重要意义。

3、当前的电缆故障特征提取面临以下技术问题:

4、电缆故障的种类繁多,包括短路、断路、接地、绝缘老化等。不同类型的故障可能需要使用不同的方法和设备进行查找,这对维修人员来说是一个挑战。电缆布线在实际工程中往往是隐藏在建筑物、地下或管道中的,导致故障位置不易确定。有时候,故障可能发生在离检修人员较远的地方,增加了故障查找的难度。对于电缆故障的查找,需要使用一些衡量设备,如绝缘电阻测试仪、电缆故障测量仪等。然而,有时候维修人员可能无法使用到这些设备,或者设备的准确性和可靠性受到限制。在电力系统中,故障定位是电缆故障测试中的关键环节。然而,由于电缆测试仪器和设备的容量或精度有限,可能会导致故障定位不准确的情况出现。目前对电缆早期故障的识别主要有两大类:电路分析方法。基于电缆早期故障和电缆结构的特点,搭建对应的电路分析模型。信号分析与模式识别方法。但是,无论采用上述哪种方法,均无法准确识别出电缆是否出现故障。


技术实现思路

1、本专利技术目的是提供了结合特征碎片与小波包的电缆故障特征提取方法和装置,加大了不同故障类别数据之间的距离,同时缩小了同种故障类别内部故障数据之间的距离,降低了原始故障数据的复杂度,更加有利于电缆故障类别的识别。

2、本专利技术为实现上述目的,通过以下技术方案实现:

3、采集电缆故障数据并进行预处理,将电缆故障信号分成n段,分别取电缆故障信号的零序电流的幅值i0(k)和正序电压的相位u0(k)作为电缆故障模式x(k)=[u0(k),i0(k)]k∈[0,n];

4、提取每一段电缆故障模式的碎片信息,并进行小波包变换提取高频信息和低频信息;

5、将高频信息和低频信息整合为碎片的原始信号,并对各个碎片赋予权值pi后进行加权求和,具体公式如下:

6、

7、其中,x表示所有碎片的小波包变换结果进行加权求和结果,xi表示第i个碎片的原始信号,t表示碎片数量;

8、通过公式xp=log|x|获取新的故障特征模式xp;

9、对新故障特征模式xp进行分类识别,得到识别结果ti;

10、利用fisher准则判断识别结果ti是否准确,如果不准确,则对碎片权值重新分配进行优化。

11、优选的,所述预处理公式如下:

12、

13、

14、

15、

16、其中,表示零序电压,表示a相负载两端电压,表示b相负载两端电压,表示c相负载两端电压,a表示120°的旋转因子,u0表示正序电压相位,表示零序电流,表示a相负载电流,表示b相负载电流,表示c相负载电流,i0表示零序电流幅值。

17、优选的,小波包变换具体公式如下:

18、

19、其中,为xi所在空间v∈l2(r)的第s层的小波包分解的第k组小波包基;为xi对应于第k组小波包基的系数,n为偶数时表示低频信息,n为奇数时表示高频信息。

20、优选的,利用fisher准则判断识别结果ti是否准确,如果不准确,则对碎片权值重新分配进行优化具体方式如下:

21、计算分类后的电缆故障特征模式中样本数据的类间方差sb,计算公式如下:

22、

23、其中,mi表示第i类样本的均值,m表示所有样本的均值,c表示总类别数,ni表示每个类别中第i个样本,n表示每个类别种样本总数;

24、计算分类后的电缆故障特征模式中样本数据的类内方差sw,计算公式如下:

25、

26、其中,ωi表示样本x所属的类别;

27、计算特征的fisher准则评价值jfisher,fisher值越小,则说明所评判的特征的可分类识别性越好贡献率越高,计算公式如下:

28、jfisher=sw/sb,

29、根据各个碎片对识别结果的贡献率进行排序,预先设置一个阈值t0,当碎片对识别结果的评价值jfisher小于阈值t0时,则减小该碎片的权值,提高对识别结果贡献率较大的特征碎片权值,优化特征提取方法。

30、本专利技术的优点在于:本专利技术根据电缆故障与故障数据的特点,提出利用小波包与特征碎片相结合的方法。通过使用特征碎片的方式对电缆故障数据进行分段提取,减少故障数据量,并结合小波包分解得到碎片特征,通过调整各碎片的权值得到电缆故障新特征。经过特征提取算法产生的新的故障特征加大了不同故障类别数据之间的距离,同时缩小了同种故障类别内部故障数据之间的距离,降低了原始故障数据的复杂度,更加有利于电缆故障类别的识别。

本文档来自技高网...

【技术保护点】

1.一种结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,包括:

2.根据权利要求1所述的结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,所述预处理公式如下:

3.根据权利要求1所述的结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,小波包变换具体公式如下:

4.根据权利要求1所述的结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,利用Fisher准则判断识别结果Ti是否准确,如果不准确,则对碎片权值重新分配进行优化具体方式如下:

5.一种结合特征碎片与小波包的电缆故障特征提取装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在运行所述程序指令时,执行如权利要求1至4任一项所述的结合特征碎片与小波包的电缆故障特征提取方法。

6.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如上述权利要求1-4任一项所述的方法。

【技术特征摘要】

1.一种结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,包括:

2.根据权利要求1所述的结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,所述预处理公式如下:

3.根据权利要求1所述的结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,小波包变换具体公式如下:

4.根据权利要求1所述的结合特征碎片与小波包的电缆故障特征提取方法,其特征在于,利用fisher准则判断识别结果ti...

【专利技术属性】
技术研发人员:刘倩倩王培仑殷秀红金吉振王怡爽刘喻明姜良刚吕腾飞
申请(专利权)人:山东电工电气集团数字科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1