基于相关系数矩阵和概率神经网络的局部放电模式识别.pdf

《基于相关系数矩阵和概率神经网络的局部放电模式识别.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、第41卷第13期电力系统保护与控制V01．41NO．132013年7月1日PowerSystemProtectionandControlJuly1，2013基于相关系数矩阵和概率神经网络的局部放电模式识别苑津莎，尚海昆，王瑜，靳松(华北电力大学电气与电子工程学院，河北保定071003)摘要：针对变压器局部放电模式分类过程中特征参数维数过高的问题，提出了一种基于相关系数矩阵的参数降维方法。利用提取出的变压器局部放电信号的特征参数构造相关系数矩阵，通过分析放电信号18个特征参数问的相关性，删除具有相似分类能力的特征参数，

2、之后引入分离度指标来衡量特征向量的分类能力大小，提取出6个具有较高分类能力的特征向量，最后通过概率神经网络进行模式识别。结果表明该降维方法有效降低了特征参数的维数，简化了分类器结构，在小样本情况下对于概率神经网络模式分类器具有较高的识别率，识别效果优于传统BP神经网络。关键词：相关系数矩阵；概率神经网络；变压器；局部放电；模式识别Patternrecognitionforpartialdischargebasedoncorrelationcoeficientmatrixandprobabilisticneuralne

3、tworksYUANJin—sha，SHANGHai—kun，WANGYu，JINSong(CollegeofElectricalandElectronicEngineering，NorthChinaElec~icPowerUniversity,Banding071003，China)Abstract：AnewdimensionreductionmethodbasedoncorrelationcoeficientmatrixiSproposedaimedatthehi曲。dimensionofcharacterist

4、icparametersintheprocessofpatemrecognitionforpartialdischargeinpowertransformer．Thecorelationcoeficientmatrix(CCM)isconstructedusi‘ngparametersextractedfrompartialdischargesignalinpowertransformer．Theparameterswhichhavesimilarclassificationabilitytoeachotherare

5、deletedwiththehelpofcorrelationanalysisamong18characteristicparametersinCCM．Sixparameterswhichhavehigherclassificationcapabilitiesareextractedusingthecriticalindexandareusedastheinputsforpattemclassifiersofprobabilisticneuralnetworks．Theresultsshowthattheparame

6、terdimensionisreducedandtheclassifierconstructionissimplified，andtherecognitioneffectisbetterthanthatofthetraditionalbackpropagationneuralnetworkintheconditionofsmallsamples．ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No．61204027)．Keywords：core

7、lationcoeficientmatrix；probabilisticneuralnetworks；powertransformer；partialdischarge；patternrecognition中图分类号：TM85文献标识码：A文章编号：1674．3415(2013)13-0110—06法及小波分解法『8J等，其中统计特征参数法因其0引言物理意义明确，及较好的谱图区分能力而得到更多变压器是电力系统中的关键设备之一，维护其的关注。安全运行至关重要。据统计造成变压器故障的主要由于上述特征参数的计算复杂，维数较

8、高，而原因来自设备的绝缘劣化⋯。局部放电作为评估设且局部放电各特征参数之间具有的相关性会严重影备绝缘状况的重要检测手段，对其模式进行分类得响识别效果，在实际应用中受到一定的限制。因此到了广泛的关注。分类过程中放电模式特征的选择降维方法的引入显得非常重要。目前特征空间的降非常关键，直接影响识别结果。目前局部放电常用维方法有很多种，常用的有粗糙集理