以提升小波包系数熵为特征值的隐马尔科夫电缆局部放电识别

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (41365 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对电缆局部放电检测,本文提出以提升小波包系数熵结合隐马尔科夫模型的识别方法。基于提升小波包与信息熵理论,提取放电信号的小波能量熵与系数熵作为特征量,将提取的特征向量输入隐马尔科夫模型进行训练,得到最优训练模型。在电缆本体上进行人工模拟缺陷,采用本文算法、传统小波系数熵、BP神经网络分别对不同放电模型产生的放电进行识别测试,并使用该方法对现场数据进行分析。结果表明：本文方法在识别准确率以及算法执行效率上,均优于传统小波以及BP神经网络。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	钱帅伟
	彭彦军
	周泽民
	陈健禧
	唐明

关键词 ：提升小波包, 隐马尔科夫, 局部放电, 小波系数熵

Abstract：For the detection of partial discharge in cables, this paper presents a recognition method based on lifting wavelet packet coefficient entropy and hidden Markov model. Based on the theory of lifting wavelet packet and information entropy, the wavelet energy spectrum entropy and coefficient entropy of discharge signal are extracted as eigenvalues. The extracted eigenvectors are input into the hidden Markov model for training, and the optimal training model is obtained. Artificial simulation of defects on cable body, discharges generated by different discharge models are identified and tested by using the proposed algorithm, traditional wavelet coefficient entropy and BP neural network respectively. The results show that the method is superior to the traditional wavelet and BP neural network in recognition accuracy and algorithm execution efficiency.

Key words： lifting wavelet packet hidden Markov partial discharge wavelet coefficient entropy

收稿日期: 2020-03-09

作者简介: 钱帅伟（1983-）,工程师,主要从事生产技术管理工作。

引用本文:

钱帅伟, 彭彦军, 周泽民, 陈健禧, 唐明. 以提升小波包系数熵为特征值的隐马尔科夫电缆局部放电识别[J]. 电气技术, 2020, 21(10): 93-102. Qian Shuaiwei, Peng Yanjun, Zhou Zemin, Chen Jianxi, Tang Ming. Partial discharge pattern recognition using hidden Markov models based on the entropy lifting wavelet coefficients. Electrical Engineering, 2020, 21(10): 93-102.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2020/V21/I10/93

[1] 李海英, 李玄, 宋建成. 基于雷达图法的矿用高压电缆安全预警模型[J]. 煤炭学报, 2012, 37(11): 1941-1946.
[2] 唐明, 梁得亮, 王青山, 等. 矿用电缆局部放电监测的最优二代小波包基降噪[J]. 西安交通大学学报, 2013, 47(12): 32-37, 76.
[3] Tang Ming, Sun Jianyang, Guo Jianzhao, et al.Time domain modeling and simulation of partial discharges on MV cables by vector fitting method[J]. IEEE Transactions on Magnetics, 2014, 50(2).
[4] Sahoo N C, Salama M, Bartnikas R.Trends in partial discharge pattern classification: a survey[J]. Diele- ctrics and Electrical Insulation, IEEE Transactions on, 2005, 12(2): 248-264.
[5] 周凯, 吴广宁, 吴建东, 等. 基于局部放电统计参量的脉冲电压下绝缘老化分析[J]. 电工技术学报, 2008, 23(4): 6-12.
[6] 崔青, 方欣, 张志磊, 等. 基于模糊c均值算法和改进归一化的变压器故障诊断方法[J]. 电气技术, 2019, 20(11): 46-48, 67.
[7] Salama M A, Bartnikas R.Determination of neural- network topology for partial discharge pulse pattern recognition[J]. IEEE Transactions on Neural Networks, 2002, 13(2): 446-456.
[8] 陈敬德, 李峰, 孙源文, 等. 基于KNN和MSR的局部放电模式识别研究[J]. 电气技术, 2018, 19(1): 10-14.
[9] Su M S, Chen J F, Lin Y H, et al.Identification of partial discharge location in a power cable using fuzzy inference system and probabilistic neural networks[J]. Electric Power Components and Systems, 2012, 40(6): 613-627.
[10] 淡文刚, 陈祥训, 郑健超. 采用小波分析与神经网络技术的局部放电统计识别方法[J]. 中国电机工程学报, 2002, 22(9): 1-5, 18.
[11] Chang C S, Jin J, Chang C, et al.Separation of corona using wavelet packet transform and neural network for detection of partial discharge in gas-insulated sub- stations[J]. IEEE Transactions on Power Delivery, 2005, 20(2, 2): 1363-1369.
[12] 毛颖科, 关志成, 王黎明, 等. 基于BP人工神经网络的绝缘子泄漏电流预测[J]. 中国电机工程学报, 2007, 27(27): 7-12.
[13] 李立学. GIS局部放电超高频包络检测研究[D]. 上海: 上海交通大学, 2009.
[14] Evagorou D, Kyprianou A, Lewin P L, et al.Feature extraction of partial discharge signals using the wavelet packet transform and classification with a pro- babilistic neural network[J]. IET Science Measurement & Technology, 2010, 4(3): 177-192.
[15] 唐炬, 谢颜斌, 周倩, 等. 基于最优小波包变换与核主分量分析的局部放电信号特征提取[J]. 电工技术学报, 2010, 25(9): 35-40.
[16] 杨丽君, 廖瑞金, 孙才新, 等. 矢量量化在局部放电模式识别中的应用[J]. 中国电机工程学报, 2009, 29(31): 122-127.
[17] 汪可, 杨丽君, 廖瑞金, 等. 基于离散隐式马尔科夫模型的局部放电模式识别[J]. 电工技术学报, 2011, 26(8): 205-212.
[18] 唐炬, 李伟, 欧阳有鹏. 采用小波变换奇异值分解方法的局部放电模式识别[J]. 高电压技术, 2010, 36(7): 1686-1691.
[19] 杨洪, 古世甫, 谭乐. 基于神经网络和证据理论的局部放电多特征融合识别[J]. 水电能源科学, 2012, 30(11): 184-187, 166.
[20] 何巨龙, 王根平, 刘丹, 等. 配电系统谐波扰动的定位与识别研究[J]. 电气技术, 2016, 17(12): 25-30.