基于BP網(wǎng)絡(luò)的局部放電模式識別.pdf

1、局部放電水平是評估高壓電器絕緣狀態(tài)的重要技術(shù)指標(biāo)之一，它不僅反映絕緣狀態(tài)，而且可以估算出電器設(shè)備絕緣的使用壽命。但是局部放電的隨機性影響了局部放電信號的采集，降低了局部放電模式識別的效果。論文構(gòu)造了基于BP網(wǎng)絡(luò)的新型分類器，探討了該分類器用于局部放電信號的特征提取及模式識別的可行性。同時也進行了信號去噪方法的實驗探索。其意義在于避免網(wǎng)絡(luò)拓?fù)錁?gòu)成的盲目性，提高局部放電模式識別的效果。 該論文對比研究了基于BP網(wǎng)絡(luò)的局部放電灰度矩特

2、征提取及其模式識別、基于正交小波神經(jīng)網(wǎng)絡(luò)局部放電統(tǒng)計特征量的模式識別和基于自適應(yīng)特征提取小波神經(jīng)網(wǎng)絡(luò)局部放電模式識別方法。 文中將局部放電脈沖信號波形看作是一幅具有某種灰度分布的圖像，利用灰度矩的概念，借助圖像識別技術(shù)對局部放電脈沖信號灰度分布圖像進行特征提取，給出了特征量提取算法，對針-板和球-板電極產(chǎn)生的局部放電信號進行灰度矩特征量提取后，作為BP神經(jīng)網(wǎng)絡(luò)的輸入向量矩陣，經(jīng)過學(xué)習(xí)訓(xùn)練，使識別率達到75％。 該文利用局

3、部放電信號的統(tǒng)計特征量作為正交小波神經(jīng)網(wǎng)絡(luò)的輸入向量，經(jīng)過學(xué)習(xí)訓(xùn)練，得到該網(wǎng)絡(luò)的識別率為82％。 在分析BP網(wǎng)絡(luò)和正交小波神經(jīng)網(wǎng)絡(luò)用于局部放電模式識別時存在不足的基礎(chǔ)上，該文提出并構(gòu)建了自適應(yīng)特征提取小波神經(jīng)網(wǎng)絡(luò)。按照前饋型網(wǎng)絡(luò)的構(gòu)成方式將最優(yōu)局部放電信號時頻特征提取和模式分類功能集于一體，通過小波神經(jīng)網(wǎng)絡(luò)隱層元的激勵函數(shù)(小波函數(shù))與局部放電信號的變換來完成特征量的提取。實現(xiàn)了模式的可分性，也保證了分類器結(jié)構(gòu)的最佳化，避免了網(wǎng)

4、絡(luò)拓?fù)錁?gòu)成的盲目性，提高了模式識別效果。利用自適應(yīng)特征提取小波神經(jīng)網(wǎng)絡(luò)對三種典型電極(針-板、針-針和球-板電極系統(tǒng))的局部放電信號進行模式識別試驗，經(jīng)過特征量提取和網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練后，網(wǎng)絡(luò)的識別率達到90％。 此外，為了滿足局部放電模式識別的需要，論文對局部放電脈沖信號、-Ⅰ-典型干擾信號(函數(shù))的奇異性以及在小波變換過程中，在不同尺度下表現(xiàn)出的不同特征進行了理論分析和去噪仿真計算，同時針對局部放電信號采集過程易受現(xiàn)場雜散信號干擾