一种高频局部放电特征提取及故障类型识别方法

本发明涉及电力技术领域，尤其涉及一种高频局部放电特征提取及故障类型识别方法。技术方案如下：一种高频局部放电特征提取及故障类型识别方法，包括以下步骤：a、对局部放电信号进行数据处理，包括基于Hankel矩阵的奇异值分解提取特征、粒子群算法优化特征参数及归一化处理；b、通过ChOA算法对CNN模型的权重、偏置及超参数进行动态优化，得到基于ChOA优化的卷积神经网络ChOA‑CNN模型，利用该模型对处理后的数据进行时序特征提取及故障类型识别；c、基于验证集评估模型性能。本发明通过融合时域、频域及非线性特征的多指标评估，深度挖掘局放信号的微弱特征与复杂模式，避免单一特征提取导致的局部信息丢失。