伴隨著(zhe)計算機技術的(de)發(fa)展和(he)人(ren)工(gong)智能(neng)的(de)興起，模式識(shi)別(bie)技(ji)術廣泛地(di)運(yun)用於局(ju)部(bu)放(fang)電的研(yan)究(jiu)中(zhong)，作(zuo)為壹種重要的故(gu)障診斷方法。

PD在線檢(jian)測(ce)中，模(mo)式識(shi)別(bie)是(shi)噪(zao)聲去除(chu)之(zhi)後的另(ling)壹大難(nan)點問(wen)題。檢(jian)測(ce)到的(de)放電脈沖(chong)可能來(lai)自電纜本體、電纜終端(duan)頭、也(ye)可能來(lai)自與(yu)其(qi)連(lian)接(jie)的(de)其(qi)他(ta)設(she)備(bei)(如開(kai)關櫃(gui)等(deng))。由(you)於(yu)不同(tong)來源(yuan)的PD信(xin)號(hao)，對設(she)備(bei)的(de)危(wei)害不同(tong)，其(qi)判(pan)斷標(biao)準也(ye)有(you)所不(bu)同(tong)，所以(yi)對PD信(xin)號(hao)的識(shi)別(bie)就(jiu)顯得尤(you)為重要。傳統的局(ju)部(bu)放(fang)電識(shi)別(bie)方法*取(qu)決(jue)於(yu)專家的(de)知識(shi)和(he)經驗(yan)，具有很大的(de)局(ju)限(xian)性，應(ying)用計算機輔助(zhu)測(ce)量(liang)系統獲得(de)的(de)局(ju)部(bu)放(fang)電信息(xi)比目測(ce)的結果(guo)具有更豐(feng)富的(de)細(xi)節(jie)，能(neng)夠(gou)反(fan)映出(chu)不(bu)同(tong)局(ju)部(bu)放(fang)電類(lei)型更細(xi)微(wei)的差(cha)異(yi)。現(xian)階(jie)段(duan)模式(shi)識(shi)別(bie)的(de)主(zhu)要步(bu)驟(zhou)如下圖所示(shi)。

步(bu)是(shi)學習(xi)過(guo)程(cheng)。在這(zhe)壹過(guo)程(cheng)中(zhong)首(shou)先(xian)是(shi)樣本庫(ku)的建立，即(ji)通(tong)過(guo)實(shi)驗(yan)室實(shi)驗(yan)與(yu)現(xian)場(chang)測(ce)試，用PD源(yuan)已知(zhi)的信(xin)號(hao)作(zuo)為學習樣(yang)本。從(cong)這(zhe)些(xie)樣本中(zhong)提(ti)取(qu)特征，構(gou)成特(te)征向量(liang)，利用某(mou)種分(fen)類(lei)器(qi)將學(xue)習(xi)樣本劃(hua)分(fen)成(cheng)不同(tong)的大類(lei)，即電纜PD，終端(duan)頭PD，開(kai)關櫃(gui)表(biao)面(mian)放(fang)電等等(deng)。

第(di)二(er)步(bu)是(shi)識(shi)別(bie)過(guo)程(cheng)。在這(zhe)壹過(guo)程(cheng)中(zhong)，對(dui)於(yu)PD源(yuan)未(wei)知(zhi)的PD信號(hao)，在用與(yu)步(bu)相同(tong)的規(gui)則(ze)提(ti)取特征後，利(li)用分(fen)類(lei)器(qi)與(yu)已(yi)存在的各(ge)類(lei)數據(ju)特(te)征對比，進行匹配(pei)，從(cong)而判(pan)斷出放(fang)電的類(lei)型。

由上(shang)述(shu)可知，模(mo)式識(shi)別(bie)的(de)重點是(shi)特征提取(qu)和(he)分(fen)類(lei)器(qi)（識(shi)別(bie)算法）的(de)選擇。特征提取(qu)是(shi)PD識(shi)別(bie)的(de)步(bu)，特(te)征選取(qu)的(de)好壞(huai)直接影響(xiang)到識(shi)別(bie)的(de)效果。目(mu)前，PD特(te)征提取(qu)的(de)方法主(zhu)要分(fen)為兩大類(lei)：統計特征法和(he)時(shi)域(yu)分(fen)析法。基於(yu)統計特征法的(de)模式識(shi)別(bie)目(mu)前實(shi)際(ji)應(ying)用較(jiao)多(duo)，壹般針對PD的各(ge)種統計分(fen)布(bu)譜(pu)圖進行，常用的方法有(you)n壹q壹ψ三維譜(pu)圖分(fen)析法、分(fen)形(xing)維數法、灰(hui)度(du)圖像識(shi)別(bie)法，及(ji)各種方法的(de)混合使用等。但(dan)統計特征法中(zhong)的各種方法都(dou)涉(she)及(ji)到了(le)PD信號(hao)的相位，而配電電纜壹般為三芯(xin)結構(gou)且共(gong)壹根(gen)地(di)線，當兩相或三相同(tong)時(shi)出現PD時(shi)，檢(jian)測(ce)PD的相位特征變得(de)幾乎不(bu)可能。時(shi)域(yu)分(fen)析法是(shi)針對高速采(cai)集壹次(ci)放(fang)電產(chan)生(sheng)的時(shi)域(yu)脈沖所得(de)到的(de)波形特(te)征或相應(ying)的變換結果(guo)進行模式(shi)識(shi)別(bie)。目(mu)前主(zhu)要有(you)傅(fu)裏(li)葉分(fen)析法，小(xiao)波分(fen)析法及(ji)波形參(can)數直接提(ti)取(qu)法等(deng)。由於PD脈沖在傳輸過(guo)程(cheng)的(de)衰(shuai)減(jian)和(he)變(bian)形(xing)、以(yi)及(ji)現場(chang)嚴重的電磁幹擾(rao)等(deng)，要準確提取(qu)其(qi)特(te)征量(liang)非常(chang)困(kun)難(nan)，故(gu)時(shi)域(yu)分(fen)析法在實(shi)際(ji)檢(jian)測(ce)中的(de)研究(jiu)應(ying)用還相對較(jiao)少(shao)。

模(mo)式(shi)識(shi)別(bie)中(zhong)的分(fen)類(lei)器(qi)主(zhu)要有(you)三(san)種：神經網(wang)絡(luo)分(fen)類(lei)器(qi)、小距(ju)離(li)分(fen)類(lei)器(qi)以(yi)及(ji)模糊(hu)識(shi)別(bie)分(fen)類(lei)器(qi)。神經網(wang)絡(luo)分(fen)類(lei)器(qi)是(shi)將樣(yang)本的(de)特(te)征值作(zuo)為輸入(ru)向(xiang)量(liang)，通過(guo)對已知樣(yang)本的(de)訓(xun)練，調整神經網(wang)絡(luo)中各個神經元(yuan)的權(quan)值和(he)閩(min)值，確定(ding)網(wang)絡(luo)輸入(ru)與(yu)輸出(chu)之(zhi)間的(de)映射(she)關系，然(ran)後(hou)對未(wei)知(zhi)的放電類(lei)型進行識(shi)別(bie)分(fen)類(lei)。人工(gong)神經網(wang)絡(luo)的優良(liang)特性在PD的模(mo)式識(shi)別(bie)中(zhong)得到了(le)廣泛應(ying)用。常用的神經網(wang)絡(luo)有BP神經網(wang)絡(luo)、RBF神經網(wang)絡(luo)等。小距(ju)離(li)分(fen)類(lei)器(qi)是(shi)通過(guo)對特征向量(liang)的計(ji)算，得(de)到未(wei)知(zhi)的放電類(lei)型與(yu)已(yi)知的各(ge)類(lei)樣本之(zhi)間(jian)的(de)距(ju)離(li)，按小(xiao)距(ju)離(li)將其(qi)分(fen)類(lei)。模糊(hu)識(shi)別(bie)分(fen)類(lei)器(qi)的理(li)論基礎(chu)是(shi)模糊(hu)數學(xue)，在識(shi)別(bie)中(zhong)的過(guo)程(cheng)中(zhong)利(li)用模糊(hu)數學(xue)方法對(dui)分(fen)類(lei)對象(xiang)進行判(pan)定(ding)。