基于主成分分析和反向传播神经网络相结合的金属氧化物压敏电阻故障诊断分析

论文摘要

准确诊断金属氧化物压敏电阻故障对电力系统安全运行十分重要。为有效提高故障诊断率,本文提出基于主成分分析与反向传播神经网络相结合的故障诊断算法。对于MOV故障数据指示指标,利用主成分分析进行降维,降低原始指标间相关性,最后利用反向传播神经网络对所选主成分进行诊断。试验结果表明:相对于反向传播模型,PCA-反向传播模型诊断误判率下降了3%,模型运行时间降低了267 s。有效降低MOV误判率,简化了反向传播网络结构,提高网络收敛性和稳定性。

论文目录

• 0 引言
• 1 基于主成分优化的反向传播神经网络算法
•   1.1 主成分分析原理
•   1.2 反向传播神经网络算法
•   1.3 基于主成分优化的反向传播神经网络模型
• 2 PCA-反向传播在MOV故障诊断中的应用
•   2.1 MOV诊断指标选择及预分析
•   2.2 主成分提取
•   2.3 反向传播神经网络建立
• 3 基于PCA-反向传播方法的MOV故障诊断
• 4 结论

文章来源

类型: 期刊论文

作者: 王伟,虢韬,杨恒

关键词: 主成分分析,反向传播神经网络,金属氧化物压敏电阻,故障诊断

来源: 电瓷避雷器 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 贵州电网有限责任公司电网规划研究中心,贵州电网有限责任公司输电运行检修分公司

基金: 北斗卫星电力行业应用关键技术研究及数据应用产业化(编号:黔科合重大专项字【2018】3007)

分类号: TM54

DOI: 10.16188/j.isa.1003-8337.2019.06.004

页码: 20-25

总页数: 6

文件大小: 233K

下载量: 99