基于GLCM和LBP的局部放电灰度图像特征提取

发布时间：2018-08-30 15:31

【摘要】：针对变压器局部放电模式识别中传统统计谱图特征提取维数高、识别率差等问题,提出基于灰度共生矩阵和局部二值模式的局部放电灰度图像纹理特征提取方法。该方法从宏观角度将灰度图像转化为灰度共生矩阵并获取其8维特征,从微观角度计算邻域像素相对灰度响应并获取其10维特征量。搭建四种局部放电实验模型,通过脉冲电流法采集局部放电信号;结合两类特征,以支持向量机作为分类器来识别放电类型并用传统特征提取方法作为对比。结果表明利用该方法提取灰度图像特征在避免特征灾难的同时仍有较高识别率,能有效识别四种放电模型,验证了该方法的有效性。
[Abstract]:Aiming at the problems of high dimension and poor recognition rate of traditional statistical spectrum feature extraction in partial discharge pattern recognition of transformers, a texture feature extraction method for partial discharge gray image based on gray level co-occurrence matrix and local binary pattern is proposed. In this method, the gray level image is transformed into a gray level co-occurrence matrix from a macro perspective and its 8-dimensional feature is obtained. The relative gray response of a neighboring pixel is calculated from a microscopic point of view and its 10-dimensional feature quantity is obtained. Four kinds of PD experimental models were built and PD signals were collected by pulse current method. Support vector machine (SVM) was used as classifier to identify discharge type and traditional feature extraction method was used as contrast. The results show that the proposed method has a high recognition rate and can effectively identify four discharge models while avoiding feature disaster. The effectiveness of this method is verified.
【作者单位】： 华北电力大学新能源电力系统国家重点实验室;
【基金】：中央高校基本科研业务费专项资金资助项目(2014xs74)
【分类号】：TP391.41

【参考文献】

相关期刊论文 前9条

1 赵文清;朱永利;张小奇;;应用支持向量机的变压器故障组合预测[J];中国电机工程学报;2008年25期

2 蒋延军;倪远平;;基于粗糙集与支持向量机的变压器故障诊断法[J];高电压技术;2008年08期

3 高士忠;;基于灰度共生矩阵的织物纹理分析[J];计算机工程与设计;2008年16期

4 孙才新,许高峰,唐炬,陆宠惠,侍海军;以盒维数和信息维数为识别特征量的GIS局部放电模式识别方法[J];中国电机工程学报;2005年03期

5 罗日成,李卫国,熊浩,邓本再;电力变压器局部放电在线监测系统的研制[J];电网技术;2004年16期

6 李剑,孙才新,杜林,崔雪梅,李道武;局部放电图像组合特征提取方法[J];高电压技术;2004年06期

7 刘云鹏,律方成,李成榕;局部放电灰度图象数学形态谱的研究[J];中国电机工程学报;2004年05期

8 李剑,孙才新,廖瑞金,杜林,陈伟根;用于局部放电图象识别的统计特征研究[J];中国电机工程学报;2002年09期

9 李剑,孙才新,杜林,李新,周nv;局部放电灰度图象分维数的研究[J];中国电机工程学报;2002年08期

【共引文献】

相关期刊论文 前10条

1 刘宁;郑玲峰;郝红艳;张智;;基于粗糙集的量子神经网络在变压器故障诊断中的应用[J];现代电力;2009年06期

2 黄望军;陈意军;;单绕组变压器模型的局部放电定位分析及测试[J];高电压技术;2009年11期

3 杨丽君;廖瑞金;孙才新;周天春;;矢量量化在局部放电模式识别中的应用[J];中国电机工程学报;2009年31期

4 李军浩;司文荣;姚秀;郭治峰;李彦明;;油纸绝缘内部气隙缺陷电劣化过程中局部放电的测量与模拟[J];中国电机工程学报;2009年31期

5 张祥全;李云阁;谭卫东;;智能电网中的一次设备有关数据分类和网络结构[J];电网与清洁能源;2009年10期

6 林飞盈;何海钊;刘美珍;;基于内容的图像检索系统设计[J];民营科技;2009年10期

7 常涛;张晓星;熊浩;孙才新;;动态隧道模糊C均值算法用于变压器油中溶解气体分析[J];高电压技术;2009年09期

8 唐炬;谢颜斌;周倩;;GIS局部放电超高频信号复小波的模式识别[J];重庆大学学报;2009年09期

9 阮羚;高胜友;郑重;桂峻峰;杜志叶;;基于甚宽带脉冲电流法的局部放电检测系统[J];电工电能新技术;2009年03期

10 唐炬;陈娇;张晓星;许中荣;;用于局部放电信号定位的多样本能量相关搜索提取时间差算法[J];中国电机工程学报;2009年19期

【二级参考文献】

相关期刊论文 前10条

1 胡正平;吴燕;张晔;;基于几何分析的支持向量机快速训练与分类算法[J];中国图象图形学报;2007年01期

2 王晶;刘建新;;基于灰色新预测模式的变压器故障预测[J];华北电力大学学报(自然科学版);2007年01期

3 彭文季;罗兴，

本文编号：2213504