摘要:XLPE中压电缆局部放电(partial discharge)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等等。由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同。故有必要对PD信号来源进行识别。笔者利用小波包分解技术对试验获得的大量PD波形数据进行去噪和特征提取。使用PD信号在不同尺度下的能量谱、Shannon熵、对数能量熵以及1.5阶标准熵组成4组特征向量;将提取出的特征向量分别作为BP神经网络分类器的输入,对PD信号进行识别,并得到以下结论:以提取的各特征向量对PD信号进行识别,平均识别率均在90%附近;能量谱、Shannon熵、对数能量熵对于表面放电的识别率相对较低,1.5阶标准熵对于表面放电识别率高但对于电缆本体PD信号识别率较低。提出使用能量谱和1.5阶标准熵组合特征向量对PD信号进行识别,效果优于单独使用各特征向量进行识别,识别率高达97%。
关键词:局部放电 小波包 特征向量 神经网络 模式识别
单位:华南理工大学电力学院 广州510641 广东电网公司东莞供电局 东莞523129
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社