利用AP-SSVM算法識別GIS的局放缺陷類型

高強，劉齊，張軍陽，許永鵬(. 上海交通大學 電氣工程系，上海　0040；.國網遼寧省電力有限公司電力科學研究院，遼寧 沈陽　0006)

0　引　言

局部放電(Partial Discharge，PD)檢測是對氣體絕緣組合開關(Gas Insulated Switchgear, GIS)開展絕緣情況評估的關鍵方法。PD將引起絕緣老化，導致絕緣故障，嚴重影響使用壽命。但是GIS內部不同的缺陷類型對絕緣影響的差異性較大，因此在GIS絕緣故障診斷中，缺陷類型的識別非常關鍵[1-4]。

支持向量機(SVM)已在缺陷識別中得到了一定的應用。如文獻[5]采用FCM聚類算法提取特征參數，再將這些特征參數輸入SVM進行識別。文獻[6]提出了過程功率譜信息熵SVM的故障診斷方法。文獻[7]提出了小波包變換和SVM相結合的識別方法。通過小波包分解及重構進行特征提取，再帶入SVM中進行準確分類。文獻[8]提出了一種基于熵特征和SVM的識別新方法。首先提取局放信號的多維熵特征參數，再通過基于二叉樹的SVM進行模式識別。

本文提出一種基于AP-SSVM算法的GIS缺陷類型識別方法，首先利用小波包變換對GIS局放信號進行分解，并提取時頻信息熵特征；然后采用AP聚類算法對各子頻帶的時頻信息熵特征進行聚類，實現特征參數的優化，最后將這些特征參數輸入訓練好的自建議支持向量機(SSVM)分類器以識別GIS的缺陷類型。

1　特征提取

1.1　小波包變換

小波變換是一種靈活的，擴展性好的時頻分析方法，但是當信號在高頻區分布緊密時，小波變換的分辨率難以提高。而小波包變換在每個尺度上頻率帶寬相同，可以保證變換不會增減原始信號的信息，還能根據被檢測信號的特征，自適應地選擇恰當的頻帶分析，所以小波包變換在中高頻的處理上比小波變換的分解更精確，效果更好，非常適合處理非穩態信號[9]。……