基于多维特征提取的紫外局放分级方法及应用

针对局部放电状态无法准确量化分级问题,对采用基于粒子群优化的支持向量机的状态分级方法进行了研究,通过该方法首先完成了多类特征空间在SVM核函数中的映射分类,再利用粒子群选取了最优核参数及惩罚参数。并提出了一种搭载该分级方法的便携式紫外传感电力巡检系统,结合其自身的测距功能,可向终端上位机回传紫外光斑面积、脉冲波形,测量距离、测量角度4种特征量,并以此作为分级判据,以充分利用紫外信号可靠且灵敏的特点。上位机根据已由试验数据建立起的优化分级模型,对设备的异常放电进行了诊断分级。研究结果表明,精度较传统支持向量机显著提高,避免了人为选取参数的盲目性,能够根据现场回传数据准确、实时地完成设备异常放电状态分级。