基于平稳小波变换与随机森林的电缆早期故障识别方法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 39 卷 第 3 期 2020 年 3 月
电工电能新技术 Advanced Technology of Electrical Engineering and Energy
Vol.39, No变换与随机森林的电缆早期故障识别方法
李胜辉1, 白 雪1, 董鹤楠1, 卢 宏2, 郭朝云2
4 1
值相比较,最后判断是否为电缆早期故障。 目前的 研究方法大多基于信号处理方法提取电缆早期故障 的特征或者根据一定的假设条件建立仿真电路模 型,在电力系统条件改变后,上述方法可能不适用。
现代智能电网中监测装置的广泛应用,使得大 量实时电能质量数据能够被准确地记录[11] 。 对电 能质量数据进行研究与分析,可以解决故障诊断、系 统设备运行和负荷预测等问题。 目前对电缆早期故 障的研究未对电能质量数据进行深入分析,适用性 不强。 而机器学习算法能够深入地挖掘数据中隐藏 的信息, 目 前 已 经 广 泛 用 于 负 荷 预 测[12] 、 故 障 诊 断[13] 等领域。
2 基于平稳小波变换的特征量提取
由于电缆早期故障信号存在突变点,为了在小
波变换后不丢失突变点的信息, 采用平稳小波变
换[17] 对电缆早期故障信号进行分解。 基于分解得
到的小波系数计算初始特征量,将这些初始特征量
(1. 国网辽宁省电力有限公司电力科学研究院, 辽宁 沈阳 110006; 2. 四川大学电气工程学院, 四川 成都 610065)
摘要: 分析电能质量监测装置获得的电能质量数据,为解决电力系统设备故障提供了一个新的方 向。 电缆作为电力系统中的重要设备,在出现永久性故障之前会出现一段时间的电缆早期故障,早 期故障虽然不会引起保护装置动作,但可能是永久性故障的前兆,降低电力系统运行的安全性。 本 文提出基于平稳小波变换与随机森林相结合的电缆早期故障识别方法。 首先利用平稳小波变换对 故障相电流信号进行分解,根据获得的小波系数计算统计特征量;然后将提取的特征量作为随机森 林分类器的输入,从多种过电流扰动中识别出电缆早期故障。 将该方法与传统模式识别方法相比 较,结果表明本文所提方法识别准确率更高,时间更短。 关键词: 平稳小波变换; 随机森林; 电缆早期故障; 过电流扰动
电缆早期故障的特征可总结为:①多发生在电 压峰值时刻,因为此时电压应力最大,电缆绝缘更容 易被击穿;②按照持续时间可分为半周波早期故障 和多周波早期故障,持续时间分别为 1 / 4 ~ 1 / 2 个周 波和 1 ~ 4 个周波;③具有重复性,多为单相接地故 障;④不能引起电力系统保护装置动作[3-5] 。
DOI: 10. 12067 / ATEEE1809022 文章编号: 1003-3076(2020)03-0040-09 中图分类号: TM726. 4
1 引言
电缆早期故障是电缆永久性故障之前的一个阶 段,常规的过电流检测装置不能检测到,但在一段时 间内会重复发生,最后导致永久性故障[1,2] 。 虽然 电缆早期故障不能被保护装置检测到,但在电流波 形中会出现一定的特征,通过对波形特征的分析,提 出对应的检测算法,从而在故障发生之前对电缆进 行检修或更换,有利于提高电力系统供电可靠性和 避免发生永久性故障。
收稿日期: 2018-09-11 作者简介: 李胜辉(1982-) , 男, 辽宁籍, 高级工程师, 硕士, 主要从事新能源与电能质量的研究;
白 雪(1988-) , 女, 辽宁籍, 工程师, 硕士, 主要从事电能质量的研究。
李胜辉,白 雪,董鹤楠,等. 基于平稳小波变换与随机森林的电缆早期故障识别方法[ J] . 电工电能新技术, 2020,39(3) :40-48.
目前,国内外对电缆早期故障的研究取得了一 定的成果。 文献[2]利用傅里叶变换和小波变换来 分解信号,选取特征量,最后利用支持向量机和人工 神经网络两种机器学习算法来完成分类识别。 文献 [ 5] 分析了 电 缆 早 期 故 障 的 波 形 特 征, 利 用 小 波 变
换分解电缆电流故障信号,选取能量值和均方根值 作为特征量来检测电缆中的过电流扰动,再根据电 缆早期故障的持续时间和峰值对早期故障进行识 别。 文献[6]将小波变换与灰色关联分析方法相结 合,利用小波变换选取时域特征量,初步检测过电流 扰动,最后计算时域特征量与类别为电缆早期故障 的参考样本之间的灰色关联度,判断关联度最大的 为电缆早期故障。 文献[7] 中采用一种在线地下电 缆监测系统记录故障数据,首先利用小波包理论分 析电缆电流故障信号,将电流信号分解到不同的频 率范围内,再对可能出现的过电流扰动进行识别;最 后利用无监督学习的自组织映射,对不同的扰动进 行分类识别。 但在实际运行过程中,电缆的过电流 扰动众多,误检测率高。 文献[8] 基于现场测量的 数据,利用自组织映射方法构建数值模型,最后利用 统计变化的检测算法确定故障时间。 文献[9] 利用 卡尔曼滤波,首先基于故障电流计算的基频零序电 流分量检测电缆早期故障,再通过计算的方差信号 进一步确定是否为电缆早期故障。 文献[ 10] 假设 电缆早期故障为电弧故障,利用电弧畸变的特点,构 建仿真模型,计算故障电压总谐波畸变率,并与参考
本文提 出 了 一 种 平 稳 小 波 变 换 与 随 机 森 林 ( Random Forest,RF) 相结合的电缆早期故障识别方 法。 利用平稳小波变换对原始电流信号进行分解, 基于分解得到的系数计算特征量,最后利用随机森 林进行分类识别。 将本文方法与决策树 ( Decision Tree, DT ) [14] 、 K 近 邻 ( K-Nearest Neighbor, KNN) [15] 、朴素贝叶斯分类器( Naive Bayes,NB) [13] 和 概 率 神 经 网 络 ( Probabilistic Neural Network, PNN) [16] 相比较,结果表明,本文提出方法具有更高 的准确率和更短的时间。
电工电能新技术 Advanced Technology of Electrical Engineering and Energy
Vol.39, No变换与随机森林的电缆早期故障识别方法
李胜辉1, 白 雪1, 董鹤楠1, 卢 宏2, 郭朝云2
4 1
值相比较,最后判断是否为电缆早期故障。 目前的 研究方法大多基于信号处理方法提取电缆早期故障 的特征或者根据一定的假设条件建立仿真电路模 型,在电力系统条件改变后,上述方法可能不适用。
现代智能电网中监测装置的广泛应用,使得大 量实时电能质量数据能够被准确地记录[11] 。 对电 能质量数据进行研究与分析,可以解决故障诊断、系 统设备运行和负荷预测等问题。 目前对电缆早期故 障的研究未对电能质量数据进行深入分析,适用性 不强。 而机器学习算法能够深入地挖掘数据中隐藏 的信息, 目 前 已 经 广 泛 用 于 负 荷 预 测[12] 、 故 障 诊 断[13] 等领域。
2 基于平稳小波变换的特征量提取
由于电缆早期故障信号存在突变点,为了在小
波变换后不丢失突变点的信息, 采用平稳小波变
换[17] 对电缆早期故障信号进行分解。 基于分解得
到的小波系数计算初始特征量,将这些初始特征量
(1. 国网辽宁省电力有限公司电力科学研究院, 辽宁 沈阳 110006; 2. 四川大学电气工程学院, 四川 成都 610065)
摘要: 分析电能质量监测装置获得的电能质量数据,为解决电力系统设备故障提供了一个新的方 向。 电缆作为电力系统中的重要设备,在出现永久性故障之前会出现一段时间的电缆早期故障,早 期故障虽然不会引起保护装置动作,但可能是永久性故障的前兆,降低电力系统运行的安全性。 本 文提出基于平稳小波变换与随机森林相结合的电缆早期故障识别方法。 首先利用平稳小波变换对 故障相电流信号进行分解,根据获得的小波系数计算统计特征量;然后将提取的特征量作为随机森 林分类器的输入,从多种过电流扰动中识别出电缆早期故障。 将该方法与传统模式识别方法相比 较,结果表明本文所提方法识别准确率更高,时间更短。 关键词: 平稳小波变换; 随机森林; 电缆早期故障; 过电流扰动
电缆早期故障的特征可总结为:①多发生在电 压峰值时刻,因为此时电压应力最大,电缆绝缘更容 易被击穿;②按照持续时间可分为半周波早期故障 和多周波早期故障,持续时间分别为 1 / 4 ~ 1 / 2 个周 波和 1 ~ 4 个周波;③具有重复性,多为单相接地故 障;④不能引起电力系统保护装置动作[3-5] 。
DOI: 10. 12067 / ATEEE1809022 文章编号: 1003-3076(2020)03-0040-09 中图分类号: TM726. 4
1 引言
电缆早期故障是电缆永久性故障之前的一个阶 段,常规的过电流检测装置不能检测到,但在一段时 间内会重复发生,最后导致永久性故障[1,2] 。 虽然 电缆早期故障不能被保护装置检测到,但在电流波 形中会出现一定的特征,通过对波形特征的分析,提 出对应的检测算法,从而在故障发生之前对电缆进 行检修或更换,有利于提高电力系统供电可靠性和 避免发生永久性故障。
收稿日期: 2018-09-11 作者简介: 李胜辉(1982-) , 男, 辽宁籍, 高级工程师, 硕士, 主要从事新能源与电能质量的研究;
白 雪(1988-) , 女, 辽宁籍, 工程师, 硕士, 主要从事电能质量的研究。
李胜辉,白 雪,董鹤楠,等. 基于平稳小波变换与随机森林的电缆早期故障识别方法[ J] . 电工电能新技术, 2020,39(3) :40-48.
目前,国内外对电缆早期故障的研究取得了一 定的成果。 文献[2]利用傅里叶变换和小波变换来 分解信号,选取特征量,最后利用支持向量机和人工 神经网络两种机器学习算法来完成分类识别。 文献 [ 5] 分析了 电 缆 早 期 故 障 的 波 形 特 征, 利 用 小 波 变
换分解电缆电流故障信号,选取能量值和均方根值 作为特征量来检测电缆中的过电流扰动,再根据电 缆早期故障的持续时间和峰值对早期故障进行识 别。 文献[6]将小波变换与灰色关联分析方法相结 合,利用小波变换选取时域特征量,初步检测过电流 扰动,最后计算时域特征量与类别为电缆早期故障 的参考样本之间的灰色关联度,判断关联度最大的 为电缆早期故障。 文献[7] 中采用一种在线地下电 缆监测系统记录故障数据,首先利用小波包理论分 析电缆电流故障信号,将电流信号分解到不同的频 率范围内,再对可能出现的过电流扰动进行识别;最 后利用无监督学习的自组织映射,对不同的扰动进 行分类识别。 但在实际运行过程中,电缆的过电流 扰动众多,误检测率高。 文献[8] 基于现场测量的 数据,利用自组织映射方法构建数值模型,最后利用 统计变化的检测算法确定故障时间。 文献[9] 利用 卡尔曼滤波,首先基于故障电流计算的基频零序电 流分量检测电缆早期故障,再通过计算的方差信号 进一步确定是否为电缆早期故障。 文献[ 10] 假设 电缆早期故障为电弧故障,利用电弧畸变的特点,构 建仿真模型,计算故障电压总谐波畸变率,并与参考
本文提 出 了 一 种 平 稳 小 波 变 换 与 随 机 森 林 ( Random Forest,RF) 相结合的电缆早期故障识别方 法。 利用平稳小波变换对原始电流信号进行分解, 基于分解得到的系数计算特征量,最后利用随机森 林进行分类识别。 将本文方法与决策树 ( Decision Tree, DT ) [14] 、 K 近 邻 ( K-Nearest Neighbor, KNN) [15] 、朴素贝叶斯分类器( Naive Bayes,NB) [13] 和 概 率 神 经 网 络 ( Probabilistic Neural Network, PNN) [16] 相比较,结果表明,本文提出方法具有更高 的准确率和更短的时间。