基于灰度图像分解的局部放电特征提取与优化

摘要：

提取有效的局部放电(PD)特征是输变电设备缺陷识别的前提.以局部放电灰度图像为分析对象,提出了基于二维主成分分析(2DPCA)的局部放电图像特征提取策略.算法通过2DPCA将PD灰度图像分解为多个一维向量,并对每个向量提取了9个特征参量,组成了PD图像分解特征集.同时,建立了基于粒子群优化(PSO)算法的PD特征选择算法,以优化PD图像分解特征,提升局部放电缺陷类型识别结果.对实验室考虑多因素影响的PD样本识别结果表明,2DPCA图像分解特征可以取得93%的PD缺陷识别率,经过PSO优化后的2DPCA特征可以将PD识别率提高至96%,并且特征维数由72降至28,充分说明方法的有效性.另外,对添加不同随机干扰的PD样本平均识别率均大于85%,表明2DPCA图像特征具有较好的抗随机干扰能力.

关键词：局部放电、模式识别、图像分解、特征提取、特征选择、模糊k近邻

所属期刊栏目：22

分类号：TM835(高电压技术)

资助基金：国家电网公司科技项目5211DS16000G

在线出版日期：2018-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：25-34