基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别.pdf
《基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别.pdf》由会员分享,可在线阅读,更多相关《基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别.pdf(8页珍藏版)》请在咨信网上搜索。
1、投稿网址:2023 年 第23 卷 第27 期2023,23(27):11673-08科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T引用格式:杨攀烁,贾文阁,刘森,等.基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别J.科学技术与工程,2023,23(27):11673-11680.Yang Panshuo,Jia Wenge,Liu Sen,et al.Feature extraction and recognition of partial discharge based on wave
2、let transform and GGCMJ.Science Technology and Engineering,2023,23(27):11673-11680.基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别杨攀烁1,贾文阁2,刘森2,李吉生3,张平2,李旭2,李彬4,安国庆1,安琪1,韩晓慧1(1.河北科技大学电气工程学院,石家庄 050018;2.中广核工程有限公司,深圳 518124;3.大亚湾核电运营管理有限责任公司,深圳 518124;4.保定天威新域科技发展有限公司,保定 071056)摘 要 为了能够充分利用局部放电(partial discharge,PD)信号中
3、包含的特征信息,提高变压器内部局部放电类型的识别率,提出了一种基于小波变换(wavelet transform,WT)和灰度-梯度共生矩阵(gray-gradient co-occurrence matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点,设计四种局部放电缺陷类型,在实验室搭建变压器局部放电实验检测平台,通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图;然后结合 GGCM 算法提取时频谱图的15 维纹理特征组成特征向量;将特征向量输入到支持向量机(support vector ma-chine,SVM)
4、分类器进行模式识别。结果表明,小波变换和 GGCM 算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。关键词 局部放电;故障诊断;小波变换;灰度梯度共生矩阵;支持向量机;模式识别中图法分类号 TM85;文献标志码 A收稿日期:2022-12-26;修订日期:2023-07-06基金项目:河北省重点研发计划(20312101D)第一作者:杨攀烁(1999),男,汉族,河北石家庄人,硕士研究生。研究方向:电气设备状态检测。E-mail:。通信作者:安琪(1987),女,汉族,河北石家庄人,博士,讲师。研究方向:电力线缆和设备在线监测。E-mail:an-。Feature Extracti
5、on and Recognition of Partial Discharge Based onWavelet Transform and GGCMYANG Pan-shuo1,JIA Wen-ge2,LIU Sen2,LI Ji-sheng3,ZHANG Ping2,LI Xu2,LI Bin4,AN Guo-qing1,AN Qi1,HAN Xiao-hui1(1.School of Electrical Engineering,Hebei University of Science and Technology,Shijiazhuang 050018,China;2.CGN Nuclea
6、r Engineering Co.,Ltd.,Shenzhen 518124,China;3.Daya Bay Nuclear Power Operation and Management Co.,Ltd.,Shenzhen 518124,China;4.Baoding Tianwei Xinyu Technology Development Co.,Ltd.,Baoding 071056,China)Abstract In order to make full use of the characteristic information contained in the partial dis
7、charge(PD)signal and improve therecognition rate of the partial discharge type in the transformer,a partial discharge type recognition method based on wavelet transform(WT)and gray-gradient co-occurrence matrix(GGCM)algorithm was proposed.According to the internal structure characteristics ofthe tra
8、nsformer,four types of partial discharge defects were designed,and the transformer partial discharge experimental detection plat-form was built in the laboratory,and the high-frequency partial discharge current signal was collected by pulse current method.Theflexibility of wavelet transform in non-s
9、tationary signal processing was used to construct time-frequency spectrum of partial discharge sig-nal pulse.Then,combined with the GGCM algorithm,the 15-dimensional texture features of the time-frequency spectrum were extrac-ted to form the feature vector.Input the feature vector into the support v
10、ector machine(SVM)classifier for pattern recognition.The re-sults show that the recognition method combining wavelet transform and GGCM algorithm can effectively identify different types of partialdischarge defects.Keywords partial discharge;fault diagnosis;wavelet transform;gray gradient co-occurre
11、nce matrix;support vector machine;pat-tern recognition 变压器中绝缘介质局部区域击穿导致的放电现象被称为局部放电(简称“局放”)。变压器带电运行的过程中产生局放现象会对变压器的绝缘系统造成破坏,最终导致绝缘击穿以及设备损坏。局投稿网址:11674科 学 技 术 与 工 程Science Technology and Engineering2023,23(27)部放电现象的产生是变压器绝缘劣化的开始,不同局部放电类型会造成不同程度的劣化,通过对放电类型的准确识别可以有效地对变压器运行状态进行评估,避免变压器发生更严重的损坏1。对于绝缘缺陷局部
12、放电类型的识别,首先要有能够准确描述放电类型的特征量。特征提取的方法主要分为相位分析和时频分析两类。相位分析主要运用局部放电相位图谱(phase resolved partialdis-charge,PRPD)方法,时频分析从信号时域和频域两个方面联合分析。由于局部放电信号是典型的非稳定信号,所以单一从时域或频域角度分析局部放电信号不能充分准确地描述其时变特征,采用时频分析方法可以同时描述非稳定信号在时间和频率两个方面的变化。常见的时频分析方法有 Ga-bor 变换、傅里叶变换(Fourier transform,FT)、短时傅里叶变换(short-time Fourier transform
13、,STFT)、小波变换(wavelet transform,WT)等2-5。小波变换作为一种时频分析方法,具有多变率分析的特点,同时也具备时域和频域联合分析局部放电信号特征的能力。与傅里叶变换相比,小波变换是空间(时间)和频率的局部变换,因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析。小波变换继承和发展了短时傅里叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的“时间-频率”窗口,是进行信号时频分析和处理的理想工具。通过小波变换可以得到局部放电高频电流信号的时频图像,利用图像特征提取识别技术进行局部放电信号特征的提取6
14、-10。在图像识别技术上通过纹理特征参数进行识别,灰度-梯度共生矩阵(gray-gradient co-occurrencematrix,GGCM)算法可以精确地反映信号的纹理特征,相比于灰度共生矩阵(gray-level co-occurrencematrix,GLCM)算法11,GGCM 的分类效果更好。因此,现将小波变换时频分析和图像纹理特征提取算法相结合进行局部放电高频电流信号特征提取,提高局部放电类型识别率。1 小波变换小波变换采用有限长可衰减的小波基,可伸缩平移的小波基函数不断与信号相乘。对应尺度下相乘的结果,可以理解为该信号在当前尺度下包含的频率成分。其表达式为WT(,)=1氜-
15、氜f(t)t-()dt(1)式(1)中:f(t)为原始信号;t-()为小波变换的基函数,和 分别为尺度因子和位移量。由式(1)可知,小波变换是将窗函数(t)发生位移 后,在 尺度下进行伸缩,然后与原信号 f(t)进行内积。相较于傅里叶变换,小波变换多了尺度 和位移量,尺度 对应于频率,位移量 对应于时间 t。故小波变换可以很好地适应变化的信号,对于处理变压器局部放电信号是一个很好的选择12-13。2 灰度-梯度共生矩阵GGCM 模型集中反映了图像中两种基本要素(即图像像点的灰度和梯度)的相互关系。各图像像点的灰度是构成一副图像的基础,而梯度是构成图像边缘轮廓的要素。GGCM 的元素 H(i,j
16、)定义为在归一的灰度图像 F(K,L)和归一的梯度图像G(K,L)中共同具有灰度值为 i 和梯度值为 j 的总像点数,故 GGCM 可反映图像灰度和梯度的分布规律,同时可体现各像点与其邻域像点之间的空间关系14。2.1 灰度、梯度归一化图形各像点的梯度值采用 3 3 窗口的 Sobel算子计算,即g(K,L)=(g2x+g2y)12(2)gx=f(K+1,L-1)+2f(K+1,L)+f(K+1,L+1)-F(K-1,L-1)-2f(K-1,L)-f(K-1,L+1)(3)gy=f(K-1,L+1)+2f(K,L+1)+f(K+1,L+1)-F(K-1,L+1)-2f(K,L-1)-f(K+1
17、,L-1)(4)式中:K=1,2,M;L=1,2,N;M、N 为图形的行列数;g(K,L)为第(K,L)个像点的梯度值。灰度归一化公式为F(K,L)=INTf(K,L)NH/fM+1(5)式(5)中:INT 表示取整运算;fM为原图像中最大的灰度值;NH为归一后的最大灰度值。梯度归一化公式为G(K,L)=INTg(K,L)Ng/gM+1(6)式(6)中:gM为原图像中最大的梯度值;Ng为归一后的最大梯度值。通过归一化处理,可以把灰度阵的变化范围减小,得到 2 个矩阵 F(K,L)和 G(K,L)。在归一后的灰度图像 F(K,L)和梯度图 像G(K,L)中,统计同时使得 F(K,L)=i 和 G
18、(K,L)=j 的像点对数,该值即共生矩阵 H 的第(i,j)个元素的值15-16。流程如图 1 所示。投稿网址:2023,23(27)杨攀烁,等:基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别11675图 1 GGCM 流程Fig.1 GGCM process2.2 GGCM 纹理特征GGCM 可以反映图形的特征,基于规范化的GGCM,可以计算局部放电高频电流信号时频分布图像的纹理特征。具体可以表示如下。(1)小梯度优势:T1=ijH(i,j)j2ijH(i,j)(7)(2)大梯度优势:T2=ijj2H(i,j)ijH(i,j)(8)(3)灰度分布不均匀性:T3=ijH(i,j)2
19、ijH(i,j)(9)(4)梯度分布不均匀性:T4=ijH(i,j)2ijH(i,j)(10)(5)能量:E=ijP(i,j)2(11)(6)灰度均值:1=iijP(i,j)(12)(7)梯度均值:2=jjiP(i,j)(13)(8)灰度标准差:1=ii-1()2jP(i,j)12(14)(9)梯度标准差:2=jj-2()2iP(i,j)12(15)(10)相关性:T5=112iji-1()(j-2)P(i,j)(16)(11)灰度熵:T6=-ijP(i,j)lgjP(i,j)(17)(12)梯度熵:T7=-jiP(i,j)lgiP(i,j)(18)(13)混合熵:T8=-ijP(i,j)lg
20、P(i,j)(19)(14)差分矩:T9=ij(i-j)2P(i,j)(20)(15)逆差分矩:T10=ij11+(i-j)2P(i,j)(21)式(7)式(21)所表述的 15 维纹理特征可以组成灰度图形的纹理特征向量,即=T1,T2,T3,T4,E,1,2,1,2,T5,T6,T7,T8,T9,T10(22)3 算法流程基于小波变换和 GGCM 的局部放电高频电流信号模式识别的算法实现主要分为以下几步。(1)采用脉冲电流法采集四种变压器局部放电缺陷的高频电流信号。(2)对四种不同类型的局放信号运用小波变换处理,得到不同类型的局放时频谱图。(3)对时频谱图进行归一化和灰度化预处理,得到局部放
21、电高频电流时频谱灰度图像。(4)对局部放电灰度图像运用 GGCM 算法提取15 维纹理特征,组成特征向量。(5)将提取的特征向量输入到支持向量机(support vector machine,SVM)分类器中,获得分类结果。算法的实现流程如图 2 所示。4 局部放电实验与分析4.1 实验数据采集根据变压器常见的绝缘故障特征以及局部放电信号的表现规律,为了尽可能模拟变压器实际运行情况下的局部放电信号,以油浸式变压器作为研究对象,结合变压器内部绝缘结构特点,在实验室设计了尖端放电、气隙放电、沿面放电和油中气泡放电四种人工放电模型,如图 3 所示。局放模型全长 50 mm,放电环境均为绝缘油。其中,
22、图 3(a)为尖端放电,模型内部针电极采用的是直径为 3 mm投稿网址:11676科 学 技 术 与 工 程Science Technology and Engineering2023,23(27)图 2 算法实现流程Fig.2 Algorithm implementation flow图 3 四种局部放电模型Fig.3 Four kinds of partial discharge models的铝棒,主要考虑尖端在变压器油中的放电行为;图 3(b)为气隙放电,模型内部为厚度 1 mm 的圆形环氧树脂绝缘板;图 3(c)为沿面放电,模型采用柱板电极模拟;图 3(d)为油中气泡放电,模型内部在
23、两个圆板电极中间存在气泡用来模拟变压器内部油中存在气泡时的放电情况17。为采集到真实可靠的局部放电高频电流信号,采用预制故障变压器模型作为实验平台,在模型内模拟故障进行试验。遵循标准 IEC602070 搭建变压器局部放电试验平台18,并采用脉冲电流法采集不同局部放电故障类型的放电信号19-20。为了得到高频电流信号,将高频电流传感器放置在变压器模型中性点接地处进行信号采集21。实验平台接线如图 4 所示。实验平台装置主要由高压试验变压器、高频电流传感器、检测阻抗、耦合电容以及局部放电模型组成。实验平台现场如图 5 所示。通过上述实验平台装置依次对四种放电模型图 4 实验平台接线示意图Fig.
24、4 Experimental platform wiring diagram图 5 实验平台装置现场示意图Fig.5 Field diagram of experimental platform installation进行实验,示波器的采样率为 20(Mpointss-1),实验频带为 40 300 kHz。实验的一个工频周期为0.02 s,每个工频周期采集到的数据为一个实验样本,每种放电模型采集 50 组实验样本,共采集200 组实验样本,按照 7 3的比例划分训练集和测试集,其中 160 个为训练样本,40 个为测试样本。实验条件见表 1。表 1 放电模型实验条件Table 1 Expe
25、rimental conditions of discharge model放电类型样本数量/个试验电压/kV尖端放电5018.6气隙放电5016.6沿面放电5013.5油中气泡放电5011.74.2 小波变换时频图为方便表达每种放电类型的特性及减少后续模型训练过程的工作量,通过提取脉冲可以得到每种放电类型的单次脉冲22。上述实验得到的四种局部放电类型的高频电流信号及其提取的单次脉冲波形,如图 6 所示。图 6 中(a)、(c)、(e)、(g)为采集的四种放电类型高频电流信号波形。观察原始波形可以看出采集到的样本数据庞大且信号分布集中不易分辨,通过对原始信号的脉冲提取可以得到其对应的脉冲波形如
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 变换 灰度 梯度 共生 矩阵 局部 放电 特征 提取 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。