陈志椿

(福建省闽南理工学院 实践教学中心，福建 石狮 362700)



基于时频熵的放电脉冲取特征提取算法

陈志椿

(福建省闽南理工学院 实践教学中心，福建 石狮 362700)

传统的放电脉冲取特征提取方法采用的是线性时间序列分析方法，提取放电脉冲的关联维特征进行分类识别，由于放电脉冲具有非线性特性，线性时间序列分析方法无法提取非线性特征，导致模式识别性能不好。提出基于时频熵的放电脉冲取特征提取算法，对108次/s的超宽带局部放电脉冲时间序列波形进行时频熵特征参数提出，采用混沌差分进化算法对模糊C均值聚类算法进行改进，用改进的模糊C均值聚类算法，在高维的特征参数空间中，进行超宽带局部放电脉冲的时频熵特征参数的聚类分析，实现对放电脉冲的特征分类检测和识别。仿真实验结果表明，采用该算法能有限实现对放电脉冲取特征提取，特征聚类的准确度提高，提高了脉冲检测识别性能。

放电脉冲；特征提取；模糊C均值；数据聚类

在复杂环境下的电力设备网络系统中，由于外加电压在电气设备中形成导体间的绝缘局部空间，造成绝缘部分区域发生绝缘劣化，断绝缘的化学键而发生裂解，导致电气设备产生局部放电，绝缘强度性能下降。在多局部放电源的超宽带检测技术以及模式识别系统设计中，需要通过放电脉冲特征提取，以此为数据基础进行特征分类，实现模式识别[1-3]。因此，研究多局部放电的脉冲提取算法具有基础性意义。……