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

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，文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-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。