买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网浙江省电力有限公司电力科学研究院

摘要：本发明公开了一种电力设备局部放电模式识别方法。本发明采用的技术方案为：采用Hilbert‑Huang变换对局部放电信号进行经验模态分解，得到信号的各个固有模态函数分量，并基于各个固有模态函数分量变换得到信号的Hilbert边际谱；采用稀疏自编码器对从Hilbert边际谱中提取的特征信息进行无监督机器学习，输出结果用于初始化深度神经网络，对深度神经网络执行预训练过程，获得训练好的DNN分类器，采用训练好的DNN分类器对采集到的局部放电信号进行模式识别。本发明的网络训练时间短、收敛速度快、识别正确率高，具有较好的应用意义。

主权项：1.一种电力设备局部放电模式识别方法，其特征在于，包括：采用Hilbert-Huang变换对局部放电信号进行经验模态分解，得到信号的各个固有模态函数分量，并基于各个固有模态函数分量变换得到信号的Hilbert边际谱；采用稀疏自编码器对从Hilbert边际谱中提取的特征信息进行无监督机器学习，输出结果用于初始化深度神经网络，对深度神经网络执行预训练过程，获得训练好的DNN分类器，采用训练好的DNN分类器对采集到的局部放电信号进行模式识别；利用经验模态将信号分解的方法是：设原始信号为，首先找到信号的极大值和极小值，通过对信号极大值和极小值的三次样条插值函数拟合，获得信号的上包络线和下包络线，计算上下包络线在每一点上的平均值，从而获得平均值曲线，则： 即为第一阶IMF分量，从原始信号中减去即可获得信号的逼近分量， 对重复上面的分解过程，获得第二阶IMF分量，通过这样的经验模态分解方法对信号一次次的筛分，获得信号的多个IMF分量和一个逼近分量，则原信号表达为： 式中，为分解得到的第i个IMF分量，各IMF分量分别包含信号的不同特征尺度，代表原始信号的内在模态特征；n为IMF分量数；经过n次经验模态分解后，逼近分量为常数或单调函数，对信号提取没有实质影响，舍去；对每个IMF分量进行Hilbert变换，则： 式中，表示对与进行卷积；利用与共同构成解析信号，为： 式中，与分别为的瞬时幅值函数与瞬时相位函数；由此，得瞬时频率函数为： 则： 上式的展开式即为Hilbert谱，即 式中，为频率。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司电力科学研究院 一种电力设备局部放电模式识别方法