基于核主成分分析的变压器超高频局部放电模式识别研究.pdfVIP

基于核主成分分析的变压器超高频局部放电模式识别 基于核主成分分析的变压器超高频局部放电模式识别 周加斌，唐炬，张晓星，胡晶晶 （重庆大学输配电装备及系统安全与新技术国家重点实验室，400044 ） 摘要：根据电力变压器绝缘缺陷放电的形式和特点，设 法（Kernel Method）思想，将PCA 拓展到非线 计了 4 种典型的变压器缺陷模型，采用超高频法采集大 性情形，提出了核主分量分析（KPCA）。由于PCA 量局部放电样本，构造了局部放电三维图谱。针对变压 法只考虑了图像数据中的二阶统计信息，未能利 器局部放电及其缺陷特点，提出一种基于局部放电图像 用数据中的高阶统计信息，忽略了多个像素间的 的核主成分分析方法应用于局部放电模式识别，即首先 非线性相关性。而研究表明，一幅图像的高阶统 进行主成分分析,将数据从超高维空间降至低维空间,再 计往往包含了图像边缘或曲线的多个像素间的 提取核主成分特征,采用最小距离分类器进行模式识别, 非线性关系[12]。核主分量分析（KPCA）是基于输 识别结果表明该方法对各类模拟缺陷的正确识别率较高, 入数据的高阶统计，它描述了多个像素间的相关 效果良好。 性，所以，KPCA 能够捕捉这些重要的信息，从 而取得更好的效果。同时 KPCA 的另一优点就是 关键词：变压器；局部放电；超高频；核主成分分析 可以把在输入空间不可线性分类的问题变换到 特征空间实现线性分类[13]，简化了分类器的设 计。 1 引言 本文设计了4种典型缺陷模型,构造出超高 频局部放电灰度图像,采用KPCA算法,将高维的 随着电力工业的发展和技术进步，大型电力 局部放电灰度图像压缩至低维；在此基础上,提 变压器的容量和电压等级都在迅速增长。单机容 取了核主成分特征,最后在特征空间中采用最小 量的增大为提高输电效率、降低成本、减轻电能 距离分类器进行模式识别,取得了良好的识别效 传输对环境的影响提供了可能，同时也对变压器 果。 运行的安全性提出了更高的要求[1]。 由于局部放电是引起电气设备绝缘劣化的 2 人工缺陷物理模型与信号检测 重要因素之一，因此，通过局部放电在线监测， 能够及时发现电气设备局部缺陷及其发展状况； 2.1 人工缺陷物理模型的设计 同时，采用模式识别技术，既可提高在线监测系 统区分被测信号中内部放电与外部脉冲性放电 根据变压器绝缘缺陷放电的形式和特点，设 的能力，又能确定内部局部放电的性质及绝缘劣 计了4种模拟局部放电的典型缺陷物理模型（图 化的程度。传统检测局部放电的脉冲电流法易受 1）：①油中电晕放电模型②油中沿面放电模型 现场电晕等低频电磁干扰,目前大量采用超高频 ③油中气隙放电模型④油中金属微粒放电模型。 法检测变压器局部放电（PD）信号。由于谱图中 含有局部放电丰富的信息,因此局放特征通常从 二维和三维谱图(ϕ − q − n )中提取,提取特征的 方法有:统计特征[2]、分形特征[3-5]、小波特征[6-7] 等。 在模式识别领域，核方法的发展有着重要的 影响。最早将核方法思想应用于特征抽取中的是 Scholkopf等人[8-11]，于 1999 年借鉴SVM的核方 （