期刊文章详细信息
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
Feature Extraction and Recognition of Partial Discharge Based on Wavelet Transform and GGCM
文献类型:期刊文章
YANG Pan-shuo;JIA Wen-ge;LIU Sen;LI Ji-sheng;ZHANG Ping;LI Xu;LI Bin;AN Guo-qing;AN Qi;HAN Xiao-hui(School of Electrical Engineering,Hebei University of Science and Technology,Shijiazhuang 050018,China;CGN Nuclear Engineering Co.,Ltd.,Shenzhen 518124,China;Daya Bay Nuclear Power Operation and Management Co.,Ltd.,Shenzhen 518124,China;Baoding Tianwei Xinyu Technology Development Co.,Ltd.,Baoding 071056,China)
机构地区:[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
基 金:河北省重点研发计划(20312101D)。
年 份:2023
卷 号:23
期 号:27
起止页码:11673-11680
语 种:中文
收录情况:BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊
摘 要:为了能够充分利用局部放电(partial discharge,PD)信号中包含的特征信息,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 machine,SVM)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
分 类 号:TM85]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...