基于小波多尺度变换的局部放电图像识别方法.pdfVIP

基于小波多尺度变换的 局部放电图像识别方法 张先树1刘佳宾1李剑2宁佳欣2杨洋2 (1． 重庆市电力公司綦南供电局，重庆市綦江县，401420；2．重庆大学高电压与 电工新技术教育部重点实验室，重庆市沙坪坝区400044) 摘要局部放电模式识别是一种高电压设备绝缘故障诊断的有效方法．拳丈基于小波多分辨理 论，提出了一种对局部放电≯一q—H灰度图像进行模式识别的新方法．该方法对局部放电待识图像 和参考图像进行小波多尺度分解，然后对莱一尺度上形成的低频予图像进行相似度蹦及模式贴近度 计算，按照模式贴近度最大的原则进行模式识别．本文对放电模型实验获得的放电样本进行了模式 识别并计算出基于四种小波基的多尺度图像分解的局部放电图像的识别率，分析了小波分解尺度及 四小波正交性及光滑连续性对识别率的影响．分析表明，选择正交小波和合适的分解尺度，本文提 出的方法能够获得良好的效果． 关键词局部放电 图像识别 小波变换相似度 O引言 局部放电与高压电气设备内部绝缘具有紧密联系，因此局部放电模式识别技术已成为电气设备 绝缘故障诊断的一种重要方法。这种方法通过分析由局部放电的放电量扒放电发生的工频相位p 和单位时间内的放电次数n构成的各种统计图谱，或者在提取放电图谱特征的基础上进行模式识 别，以达到绝缘故障诊断的目的。其中，放电图谱的特征提取和模式分类器的设计是两项主要的研 究工作，例如统计算子峨放电脉冲波形参数【2】、分形特征㈨等特征提取方法以及距离分类法[4】、 人工神经网络[5-6]等分类器设计方法在局部放电模式识别中得到了应用。 近年来，小波多尺度变换在局部放电灰度图像(9一口一”图谱在9一q平面上的投影，灰度值 对应于n)识别中得到应用【_”。小波多尺度图像分解具有无损变焦的优点18J，能把上一尺度图像的 全部信息保存下来，分别存在4个子图像中，其中的低频子图像集中了原始图像的大部分能量，反 映了图像的绝大部分结构信息，有利于应用图像的相关分析进行图像的识别。 本文基于小波多尺度变换理论，研究了采用局部放电p—q一月图像多尺度分解的低频子图像识 别局部放电模式的方法，并通过采用四种典型小波分解图像，对在不同尺度上的识别效果进行了分 析比较。通过对放电模型实验获得的样本数据的分类计算，验证了采用局部放电低频子图像作相关 分析能获得较好的识别效果。 1基于小波多尺度变换的图像识别方法 1．1 图像小波多尺度分解的基本原理嘲 假设数字图像，(‘，)E吁UeZ)，它在哆空间的投影为彳，／化力示，哆是三2似2)的一个尺 度空间，则图像可表达为： Ai她们=^3√+珐√+Emf+琏√ n、 定义9(砷是尺度函数，y扛)是小波函数，令 mJ(x，y)=9(曲P(力 墨’叩邓嘤婴 (z)… 甲；k力=y(砷p(力 甲；(x，力=y(功yO) 则根据二维图像的多尺度分析有 ⅣⅣ 厶，，=∑∑啄，∞”啄，隽力 (3) dy=l ⅣⅣ 球，=∑∑嚷。瓴力嗡伍力 忙=L2力 (4) dd 其中，c，@力是图像的低频子图像，D；亿_y)是图像的高频子图像。 的行和列，则二维Mallat分解算法如下： ％啪％晴 一一一嘲 则相应的二维Mallat重构算法为 CJ=日：彬c川+日；G：D州1+G：日：D二1 ，(、 +g《D沁 式中日’，G’分别是H，G的共轭。