固体绝缘开关柜局部放电模式识别优化算法

论文摘要

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。

论文目录

• 0 引言
• 1 算法原理
•   1.1 AP聚类
•   1.2 SVDD算法介绍
•   1.3 GPAM-PSO全局自适应粒子群优化算法
•   1.4 SA-SVDD算法
•     1.4.1 算法描述
•     1.4.2 参数优化
• 2 实验模型及特征提取
•   2.1 实验设计
•   2.2 局部放电特征提取
• 3 案例分析
•   3.1 分类器训练流程
•   3.2 结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 徐卫东,聂一雄,周文文,彭丹

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

来源: 高压电器 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 广东工业大学自动化学院

基金: 东莞市科技局产学研合作项目(2015509132215)~~

分类号: TM591

DOI: 10.13296/j.1001-1609.hva.2019.05.016

页码: 100-107

总页数: 8

文件大小: 2227K

下载量: 144