1.一种基于超声波信号的开关柜局部放电类型识别方法，其特征在于，包括如下步骤：步骤1、将采集到的超声波原始信号进行带通滤波，分离出原始信号中由局部放电引起的超声波高频信号；

步骤2、将获得的超声波高频信号进行寻峰，连接超声波高频信号所有峰值点形成超声波高频信号的特征包络线；

步骤3、对特征包络线计算其峰谷间斜率并绘制峰谷间斜率概率密度分布曲线；

所述步骤3具体如下：

绘制特征包络线峰谷间斜率概率密度曲线，对特征包络线求导数，导数为0的点为极值点，再对特征包络线求二阶导数，二阶导数大于零的点为极小值点，二阶导数小于零的点为极大值点；

将特征包络线的所有极值点依次连接，每个极值点之间连线的斜率为峰谷间斜率C，将一段曲线中的所有峰谷间斜率做统计处理，横轴为峰谷间斜率的值，纵轴为每个峰谷间斜率在这段曲线中出现的概率；

将特征包络线处理后绘制成横轴为峰谷间斜率C，纵轴为每个峰谷间斜率在整条曲线峰谷间斜率中出现的概率q(C)的二维曲线Q；

步骤4、将开关柜在正常运行电压下无局部放电时的超声波信号按步骤1、步骤2和步骤

3处理后得到二维曲线P；

步骤5、求开关柜局部放电时的超声波信号特征包络线的峰谷间斜率概率密度分布的二维曲线Q与无局部放电时的超声波信号特征包络线的峰谷间斜率概率密度分布的二维曲线P间的KL散度；并根据KL散度的差异判断开关柜内发生的局部放电类型；

所述步骤5具体如下：

式中，DKL(P∥Q)为二维曲线Q相较于二维曲线P的KL散度，C为峰谷间斜率，r为峰谷间斜率最小值，h为峰谷间斜率最大值，P为无局部放电时的超声波信号特征包络线的峰谷间斜率概率密度分布曲线，Q为开关柜局部放电时的超声波信号特征包络线的峰谷间斜率概率密度分布曲线，p(C)为P曲线上峰谷间斜率为C时对应的概率值，q(C)为Q曲线上峰谷间斜率为C时对应的概率值；

所述峰谷间斜率C具体如下：

式中，C为峰谷间斜率，PA(n+1)为第n+1个极值点的幅值，PA(n)为第n个极值点的幅值，PT(n+1)为第n+1个极值点对应的时间，PT(n)为第n个极值点对应的时间。

2.根据权利要求1所述的基于超声波信号的开关柜局部放电类型识别方法，其特征在于，所述步骤1具体如下：利用MATLAB中的库函数butter进行带通滤波，滤除除39kHz‑41kHz以外的超声波信号，得到开关柜局部放电产生频率集中在40kHz的超声波高频信号。

3.根据权利要求1所述的基于超声波信号的开关柜局部放电类型识别方法，其特征在于，所述步骤2具体如下：对原始信号进行希尔伯特变换：

‑1

H[x(n)]＝F {F[x(n)]·U(b)}

‑1

式中，F 表示傅里叶逆变换，x(n)为获得的超声波高频信号，n为离散时间索引，U(b)为单位阶跃函数，b为频率索引，F[x(n)]表示信号的傅里叶变换，·表示逐元素相乘，H[x(n)]表示希尔伯特变换后的复数信号；

计算希尔伯特变换后得到的复数信号的幅度：

式中，A(n)为复数信号的幅度，n为离散时间索引，Re{H[x(n)]}表示复数信号的实部，Im{H[x(n)]}表示复数信号的虚部；

利用移动平均对复数信号的幅度进行平滑处理：

式中，M为移动平均的窗口大小，是一个奇数，表示在当前点的左右各取(M‑1)/2个点进行平均，Asmooth(n)为复数信号的幅度A(n)在每个点的移动平均值，n为离散时间索引，k表示移动平均窗口的索引偏移量，用于指示在当前点的左右各取多少个点进行平均。