GIS内部信号识别的神经网络建模及小波算法实现

【摘要】：局部放电信号的测量为GIS内部绝缘的整体情况提供了重要的信息。然而,信号中噪音的存在又局限了根据这种测量进行故障诊断的准确性。这一局限性会导致不能及时采取适当的补救措施,从而致使GIS的绝缘状况进一步恶化甚至击穿。 电晕放电是一种发生在GIS设备外部的随机的脉冲形噪音信号。由于局部放电和电晕放电信号的时、频特征具有相似性,因此区分或抑制电晕信号是很困难的。在这一领域,近年来提出了一些基于神经网络理论的识别系统用于识别局部放电和随机脉冲噪音信号[7]。但是,这些方法并未提出一个有效的特征抽取算法,导致神经网络的设计较困难、效率较低。 本文提出一种应用小波分析方法对局部放电信号和电晕信号进行特征测量和抽取的方法。在广泛和深入了解国内外对GIS内部局部放电信号分析和测量的基础上,本文应用小波包变换算法深入研究了两种信号的局部时、频特征,并应用Fisher判别式选取具有显著特征的分量作为识别系统的输入。此外,本文对基于神经网络的多层感知机进行建模、样本训练和实际测试,对局部放电和电晕信号进行识别。实验结果表明,该信号测量和抽取算法在有效保留信号精度的同时,显蓍地减少了信号特征向量的维数。这不但简化了神经网络的设计,而且提高了识别精度。