摘要:电力设备内部绝缘缺陷引起的局部放电,含有可用于绝缘状态评估的特征信息。可以有效识别不同局部放电的类型。现有基于传统BP神经网络或SVDD模式识别方法在函数参数选择自主性很强,但由于不同放电类型的特征量在分布上是重叠、非线性的,BP神经网络容易陷入局部最优,识别率不高,SVDD算法在自由金属微粒缺陷识别效果不好。文中对SVDD算法提出了改进,在AP聚类与GPAM-PSO优化算法基础上提出一种用于固体绝缘开关柜局部放电模式识别的SA-SVDD算法。以解决传统模式识别算法在参数选择、训练方法上的不足,通过训练不同放电类型下的分类器,以达到准确识别不同放电类型。仿真结果显示该方法能自主识别不同PD类型,识别率、收敛速度较传统方法有较大提高,以便电力人员准确判断局部放电类型并制定相对应的抢修方案。
关键词:固体绝缘开关柜 支持向量数据描述 局部放电 模式识别
单位:广东工业大学自动化学院; 广州510006
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
固体火箭技术 固体力学学报 固体电子学研究与进展 内蒙古体育科技 微体古生物学报 Acta Mechanica Solida Sinica 稀土学报 Journal of Rare Earths Particuology 泥沙研究相关范文
固体废物的防治措施