摘要:提出了一种基于Hilbert边际谱和稀疏自编码器(SAE)-深度神经网络(DNN)的局部放电(PD)信号的模式识别方法。首先,以变分模态分解(VMD)对PD信号进行分解,对所得各分量进行Hilbert变换构建相应的Hilbert边际谱。其次,以PD信号的Hilbert边际谱为输入数据,利用SAE自动学习复杂数据的内在特征来提取简明的数据特征表达获得参数。再次,利用SAE的训练结果初始化DNN,再以大量训练样本进行分类器的训练。同时,为了加快SAE和DNN学习过程的收敛速度,以自适应步长的学习速率对网络进行调优,更新权值参数。最后,用训练好的DNN完成测试样本的PD类型的识别。此外,以基于BP神经网络和支持向量机的识别结果与文中结果进行比较。实验结果证明,所采用的识别方法具有更高的正确识别率。
关键词:局部放电 模式识别 hilbert边际谱 稀疏自编码器 深度神经网络
单位:新能源电力系统国家重点实验室(华北电力大学); 河北省保定市071003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社