基于灰度图像分解的局部放电特征提取与优化

• 作者: 孙建涛 廖瑞金 张书琦 李金忠 汪可 赵晓宇 邹国平
• 来源期刊: 电机与控制学报
• 学科: 工学
• 关键词: 局部放电 模式识别 图像分解 特征提取 特征选择 模糊k近邻
• 年，卷（期）: 2018,（5）
• 页码范围: 25-34
• 页数: 10页
• 分类号: TM835
• 字数: 5887字
• 语种: 中文
• DOI: 10.15938/j.emc.2018.05.004

摘要

提取有效的局部放电(PD)特征是输变电设备缺陷识别的前提.以局部放电灰度图像为分析对象,提出了基于二维主成分分析(2DPCA)的局部放电图像特征提取策略.算法通过2DPCA将PD灰度图像分解为多个一维向量,并对每个向量提取了9个特征参量,组成了PD图像分解特征集.同时,建立了基于粒子群优化(PSO)算法的PD特征选择算法,以优化PD图像分解特征,提升局部放电缺陷类型识别结果.对实验室考虑多因素影响的PD样本识别结果表明,2DPCA图像分解特征可以取得93%的PD缺陷识别率,经过PSO优化后的2DPCA特征可以将PD识别率提高至96%,并且特征维数由72降至28,充分说明方法的有效性.另外,对添加不同随机干扰的PD样本平均识别率均大于85%,表明2DPCA图像特征具有较好的抗随机干扰能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖瑞金	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	223	6135	43.0	64.0
2	李金忠		52	1058	20.0	31.0
3	汪可		21	242	9.0	15.0
4	邹国平	国网浙江省电力公司电力科学研究院	10	77	5.0	8.0
5	赵晓宇		4	21	2.0	4.0
6	张书琦		28	312	10.0	17.0
7	孙建涛		7	93	4.0	7.0