采用小波包树能量矩阵奇异值分解的局部放电模式识别  

Partial Discharge Pattern Classification by Singular Value Decomposition of Wavelet Packet Energy Features

作　　者：赵煦[1] 刘晓航[2] 孟永鹏[3] 刘圣冠 柴琦[1] 兀鹏越[1] 孟国栋[3] 

机构地区：[1]西安热工研究院有限公司,西安710054 [2]中国华能集团公司,北京100031 [3]西安交通大学电力设备电气绝缘国家重点实验室,西安710049

出　　处：《西安交通大学学报》2017年第8期116-121,共6页Journal of Xi'an Jiaotong University

基　　金：国家自然科学基金资助项目(51677143;51607138)

摘　　要：为了从局部放电信号电磁波大量冗余的频率信息中提取有效的局部放电特征参量,提出了采用小波包和奇异值分解相结合的能量特征提取方法。该方法从大量小波包树节点的能量信息中提取了一组能量特征参量用于局部放电类型识别,首先对4种放电类型的电磁波信号进行小波包分解,计算每个小波包节点系数的能量,接着采用奇异值分解法从小波包树所有节点的能量信息中提取奇异值较大的一组参量,利用这组参量建立识别模型,最后使用支持向量机对4种变压器典型放电类型进行识别。结果表明,小波包树能量矩阵奇异值分解可以从包含有大量无效和冗余频率信息的电磁波信号中提取能量特征参量,从而进行局部放电识别。研究内容可为局部放电类型识别提供一种有效的特征提取方法。To extract the effective partial discharge（PD） characteristic parameters from a large amount of redundant frequency information,an energy feature extraction scheme combining wavelet packet decomposition （WPD） with singular value decomposition （SVD） is proposed.A set of energy features is selected from vast energy information to represent the energy of each WPD node,by which PD pattern can be classified.The EM signals from four PD patterns are decomposed by WPD and the energy for each WPD node is calculated,then SVD is introduced to select the energy features among the whole WPD tree,and classification model based on these features is used to identify PD pattern.It is shown that SVD of the wavelet packet energy features selected from the information with full of invalid and redundant signals is an effective way to classify partial discharge patterns.

关 键 词：局部放电识别 能量特征提取 小波包分解 奇异值分解 

分 类 号：TM855[电气工程—高电压与绝缘技术]