基于多分类器融合的XLPE电缆局部放电模式识别研究.pdf

《基于多分类器融合的XLPE电缆局部放电模式识别研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《电气自化》20l1年第33卷第3期模式识别PaRemldentifications基于多分类器融合的XLPE电缆局部放电模式识别研究徐颖敏姚林朋钱勇黄成军江秀臣(上海交通大学电气工程系，上海200240)摘要：将多分类器融合的方法应用到Xt,PE电缆的局部放电模式识别中。针对几种典型的XI2E电缆局部放电类型，提取放电统计特征参数，采用主成分分析(PCA)降维后，应用基于AdaBoost的多感知器神经网络融合分类模型进行分类。实验结果表明算法能有效提高基本分类器的准确率，提供了一种用于局部放电模式识别新的有效方法。关键词

2、：局部放电XLPE电缆多分类器融合主成分分析模式识别[中图分类号]TM274+．5[文献标志码]A[文章编号]1000—3886(2011)03-0074-03PattemRecognitionofPartialDischargeinXLPECableBasedonMultipleClassifierFusion、XuYingminYaoLinpengQianYongHuangChengjunJiangXiuchen(ShanghaifiaotongUniversity，Shanghai200240，China)Abstr

3、act：Thepaperapp~edmultipleclassifierfusiontOthepatternrecognitionofpartialdischargeofXLPEcable．AdaBoost·basedmulti-layerperceptronneuralnetworkwasadoptedtOdealwiththestatisticalcharacteristicswhichwerepreprocessedbyPCAtoreducedimension．Theresultshowsthatthisalgori

4、thmcaneffectivelyimprovetheaccuracyofthebasicclassifierinthefieldofpatternrecognitionofpartialdischargeofXLPEcable．Keywords：partialdischargeXLPEcablemultipleclassifierfusionPCApatternrecognitionO引言换传递，隐含层完成数据处理，后由输出层将输出信号进行加权后聚合为神经网络的输出信号。本文采用反向传播算法作为训交联聚乙烯(XLPE)电

5、缆作为输送电力的主要设备，其绝缘练算法。该算法结构简单，且操作性强，能模拟任意的非线性输系统的好坏直接决定了整个城网送电系统能否安全运行。在入输出关系，是一种较为成熟的学习算法。XLPE电缆的某些薄弱部位，强电场作用极易引起局部放电。如果局部放电持续存在，一定条件下会导致绝缘劣化甚至击穿。局1．2多分类器融合部放电是电缆设备监测的重要参量，从局放信号中提取的特征参多分类器融合算法通过综合多个分类器得到的分类信息，得数能有效地反映XLPE电缆绝缘状态。因此，对局部放电信号进出最终的分类结果。这一分类算法避免了单一分类器可能存

6、在行模式识别以及时发现电缆运行中存在的缺陷故障，对于XLPE的片面性，有效提高了系统的分类精度。Freund等人提出Boos．电缆的可靠运行具有重要意义”。ring算法J，通过改变训练样本的样本分布和权重，将弱学习算在目前局放模式识别中，神经网络J，决策树等算法得到法提升为强学习算法。Freund和Schapire提出了基于Boosting算广泛应用。但是传统的分类方法仅使用特定的某种分类器进行法的AdaBost算法，克服了Boosting算法在训练前需获得基本分类，当先验知识不足时，很难选择最优的分类器。针对这一问分类器

7、的识别率下限的问题。由于基本分类器的识别率下限在题，本文采用多分类器融合的方法进行局放模式识别，有效地提实际应用中很难预测，AdaBoost算法的这一改进大大提高了其适高了整个系统的分类精度。用性。1基于神经网络的多分类器融合1．3基于AdaBoost的神经网络融合本文采用的基于AdaBoost的多感知器神经网络融合模式识1．1多层感知器神经网络别算法原理如图l所示。其基本设计思想如下：将多个分类能力人工神经网络作为人工智能技术的一个分支，具备非线性系统的自学习能力，在难以建模的复杂识别等方面具有不可替代的一般的多感知器神

8、经网络分类器作为基本分类器，采用AdaBoost优势。Rtunelhart等人提出了多层感知器神经网络的拓扑结算法针对不同的训练集训练同一个基本分类器(弱分类器)，逐步修正分类器的分类错误率，然后把不同训练集上得到的分类器构，为神经网络的研究开创了新思路。多层感知器神经网络由输集合后得到一个强分类器。该