基于BP网络的局部放电模式识别
【摘要】:局部放电水平是评估高压电器绝缘状态的重要技术指标之一,它不仅反映绝缘状态,而且可以估算出电器设备绝缘的使用寿命。但是局部放电的随机性影响了局部放电信号的采集,降低了局部放电模式识别的效果。论文构造了基于BP 网络的新型分类器,探讨了该分类器用于局部放电信号的特征提取及模式识别的可行性。同时也进行了信号去噪方法的实验探索。其意义在于避免网络拓扑构成的盲目性,提高局部放电模式识别的效果。
本论文对比研究了基于BP 网络的局部放电灰度矩特征提取及其模式识别、基于正交小波神经网络局部放电统计特征量的模式识别和基于自适应特征提取小波神经网络局部放电模式识别方法。
文中将局部放电脉冲信号波形看作是一幅具有某种灰度分布的图像,利用灰度矩的概念,借助图像识别技术对局部放电脉冲信号灰度分布图像进行特征提取,给出了特征量提取算法,对针-板和球-板电极产生的局部放电信号进行灰度矩特征量提取后,作为BP 神经网络的输入向量矩阵,经过学习训练,使识别率达到75%。
本文利用局部放电信号的统计特征量作为正交小波神经网络的输入向量,经过学习训练,得到该网络的识别率为82%。
在分析BP 网络和正交小波神经网络用于局部放电模式识别时存在不足的基础上,本文提出并构建了自适应特征提取小波神经网络。按照前馈型网络的构成方式将最优局部放电信号时频特征提取和模式分类功能集于一体,通过小波神经网络隐层元的激励函数(小波函数)与局部放电信号的变换来完成特征量的提取。实现了模式的可分性,也保证了分类器结构的最佳化,避免了网络拓扑构成的盲目性,提高了模式识别效果。利用自适应特征提取小波神经网络对三种典型电极(针-板、针-针和球-板电极系统)的局部放电信号进行模式识别试验,经过特征量提取和网络学习训练后,网络的识别率达到90%。
此外,为了满足局部放电模式识别的需要,论文对局部放电脉冲信号、
|
|
|
|
1 |
谈克雄;曾冬松;朱德恒;李福祺;;人工神经网络识别放电能力与网络结构关系的研究[J];电机与控制学报;1997年01期 |
2 |
仇贵宾;张新平;刘勇;;基于BP人工神经网络的局部放电模式识别[J];天津电力技术;1999年01期 |
3 |
李延沐,袁鹏,牟磊,李彦明;基于自适应神经模糊推理系统(ANFIS)的变压器超高频局部放电模式识别[J];电工电能新技术;2005年04期 |
4 |
白建社,盛戈皞,江秀臣,曾奕;基于移动时间窗的直流局部放电特征提取方法[J];电力系统自动化;2005年14期 |
5 |
刘华昌;吴春艳;;电容器直流局部放电的统计指纹分析[J];高压电器;2005年06期 |
6 |
姚秀;郭磊;刘正;李军浩;李彦明;;基于ANFIS的油纸绝缘局部放电模式识别技术研究[J];陕西电力;2010年02期 |
7 |
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 |
8 |
汪可;杨丽君;廖瑞金;齐超亮;周湶;;基于离散隐式马尔科夫模型的局部放电模式识别[J];电工技术学报;2011年08期 |
9 |
张晓星;唐炬;孙才新;许中荣;周倩;;一种基于线性鉴别分析的GIS局部放电模式识别[J];重庆大学学报(自然科学版);2006年10期 |
10 |
张晓星;唐炬;孙才新;周倩;许中荣;;基于多重分形维数的GIS局部放电模式识别[J];仪器仪表学报;2007年04期 |
11 |
李新;曾敏;田甜;张从力;;基于小波多尺度变换局部放电图像模式识别的研究[J];变压器;2008年11期 |
12 |
罗勇芬;黄平;李彦明;;油纸绝缘中局部放电时间序列的混沌特性及其模式识别[J];西安交通大学学报;2010年12期 |
13 |
姚林朋;王辉;钱勇;黄成军;郑文栋;江秀臣;;基于半监督学习的XLPE电缆局部放电模式识别研究[J];电力系统保护与控制;2011年14期 |
14 |
阳国庆;郑殿春;孙学勇;;基于小波神经网络局部放电模式识别方法的实验研究[J];哈尔滨理工大学学报;2005年05期 |
15 |
赵中原,肖登明,邱毓昌;电力设备局部放电模式识别中分形理论的应用[J];高压电器;2001年03期 |
16 |
付立华;张晓玫;;基于支持向量机的局部放电模式识别[J];河南工程学院学报(自然科学版);2008年04期 |
17 |
孙才新,李新,李俭,袁志坚,曹毅;小波与分形理论的互补性及其在局部放电模式识别中的应用研究[J];中国电机工程学报;2001年12期 |
18 |
王振远,谈克雄,朱德恒,王航;根据脉冲波形特征识别几种典型模型放电的研究[J];电工技术学报;1997年06期 |
19 |
满玉岩;高文胜;高凯;谈克雄;;发电机局部放电的统计特征识别[J];电工技术学报;2006年04期 |
20 |
蒋雄伟,王振华,谢恒堃;基于遗传算法的神经网络在局部放电模式识别中的应用[J];西安交通大学学报;1999年12期 |
|