基于加速鲁棒特征的含噪局部放电模式识别

• 作者: 李泽 王辉 钱勇 黄锐 崔其会
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 局部放电 特征提取 加速鲁棒特征 细菌觅食优化算法 支持向量机
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 高电压与放电
• 页码范围: 775-785
• 页数: 11页
• 分类号: TM85
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.210018

摘要

由于变电站现场环境复杂多样,实测的局部放电(PD)数据存在大量的干扰信号.为提高含噪PD类型识别准确度,提出一种基于加速鲁棒特征(SURF)和改进支持向量机(BFO-SVM)的PD模式识别方法.首先,将单源PD数据与噪声及干扰数据叠加形成染噪PD数据,并构造脉冲序列分布(PRPS)模式;然后,利用SURF算法自动提取PRPS灰度图像的特征点及特征描述符,结合词袋模型思想和K-means聚类方法生成不同PD类型的视觉单词频率特征;最后,将提取的特征量输入BFO-SVM分类器,并将该算法与基于灰度梯度共生矩阵(GLCM)的特征提取方法和传统SVM优化算法的识别效果进行对比.结果表明:该算法在高幅值白噪声背景及典型干扰环境中具有较高的识别准确率及较强的抗干扰能力.研究结果可为现场PD检测和识别提供参考.