开关柜局部放电模式识别

论文摘要

针对高压开关柜局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于改进果蝇算法（FOA）优化的概率神经网络模型（PNN）的局部放电模式识别方法。作为一种新型的群体搜索随机优化算法,FOA算法具有原理简单、参数少,收敛快等优点。实验采集的局部放电信号进行处理并归一化,作为FOA-PNN神经网络的输入样本进行识别,并与传统算法进行比较。仿真实验证明:该算法可以有效地运用到局部放电模式识别中,为开关柜局部放电诊断供了一条新途径,具有良好的研究价值和发展前景。

论文目录

• 1 开关柜PD模式识别研究现状
• 2 果蝇算法优化的概率神经网络算法
•   2.1 概率神经网络算法
•   2.2 标准果蝇算法模型
•   2.3 FOA算法的改进
• 3 缺陷模型及实验平台设计
•   3.1 缺陷模型设计
•   3.2 实验平台搭建
• 4 基于FOA-PNN模型的PD信号识别诊断与分析
•   4.1 PD波形信号特征提取
•   4.2 训练和测试样本确定
• 5 结论及分析
• 6 结语

文章来源

类型: 期刊论文

作者: 张梦成,迟长春

关键词: 果蝇优化算法,概率神经网络,高压开关柜,局部放电模式识别

来源: 上海电机学院学报 2019年03期

年度: 2019

分类: 社会科学Ⅱ辑,工程科技Ⅱ辑

专业: 电力工业

单位: 上海电机学院电气学院

分类号: TM591;TM855

页码: 146-152

总页数: 7

文件大小: 625K

下载量: 115