基于时序拓扑数据分析的电力电缆局部放电模式识别

摘要

在电力电缆局部放电（PD）模式识别时，相位图谱以及统计特征往往因区分度不足而影响识别精度。为此，提出了一种基于时序拓扑数据分析（TDA）的局放特征提取和识别方法。首先，提出一种符号熵和粒子群优化（PSO）相结合的重构参数选择方法，将预处理后的局放时域信号进行相空间重构，并生成三维局放数据点云；然后，基于TDA方法提取持续同调特征，据此生成持续散点图及持续条形码，计算并可视化表达为贝蒂曲线；最后，将贝蒂曲线输入1D-CNN模型，对4种典型局放缺陷模式进行识别并开展对比实验。实验结果表明，该方法对相空间重构时延参数的选取更加准确，且TDA特征具备良好的区分度，相比其他以相位图谱及统计特征为输入的模型，该方法整体识别准确率最高可提升15.34%，达到98.55%。

关键词

局部放电 / 模式识别 / 相空间重构 / 拓扑数据分析 / 卷积神经网络