基于小波概率网络的局部放电模式识别-论文.pdf

《基于小波概率网络的局部放电模式识别-论文.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、协议·算法及仿真3叶披2015年第28卷第7期ElectronicSci．&Tech．／July．15．2015doi：10．16180／j．cnki．issnl007—7820．2015．07．029基于小波概率网络的局部放电模式识别马立新，单宇(上海理工大学光电信息与计算机学院，上海200093)摘要针对高压电器局部放电模式分类中样本数较少，常规的分类方法识别率较低，提出了一种基于概率神经网络与小波变换的混合算法。利用实验室模拟的局部放电信号进行小波分解，提取小波能量系数作为特征参数，并作为概率神

2、经网络的输入进行分类。其得到的结果优于多层前馈神经网络及采用顺序最优化学习方法的支持向量机算法。关键词概率神经网络；d、波变换；局部放电；模式识别中图分类号TP18；TM73文献标识码A文章编号1007—7820(2015)07—094—03PatternRecognitionofPartialDischargeBasedonWaveletTransformandProbabilisticNeuralNetworkMALixin．SHANYu(SchoolofOptical—Electricaland

3、ComputerEngineering，UniversityofShanghaiforScience＆Technology，Shanghai200093，China)AbstractForthesmallnumberofsamplesintheclassificationofpartialdischargepatterninhighvoltageelec—triealappliancesandthepoorrecognitionrateofconventionalclassificationmetho

4、ds，amixedalgorithmisproposedbasedonprobabilisticneuralnetworkhybridalgorithmandwavelettransform．Waveletdecompositionisperformedonpartialdischargesignalsinalaboratorysimulationwiththeextractedwaveletenergycoefficientasthefeatureparame-ter，andastheinputof

5、aprobabilisticneuralnetworkforclassification．Theobtainedresultsarebetterthanthatbythemuhilayerfeedforwardneuralnetwork(MLP)algorithmandthesupportvectormachinemethodusingsequentiallearningoptimization．Keywordsprobabilisticneuralnetwork；wavelettransform；p

6、artialdischarge；patternrecognition局部放电测试技术已广泛用于监测及诊断高压设损失最小化。同时PNN还有网络学习过程简单、速度备故障¨]。在高压设备中，采用PD模式识别技术快、分类更准确，对错误、噪声容忍高等优点。采用虚区分不同类型的放电故障是PD模式识别的主要任务拟仪器技术构建高压设备局部放电产生的信号，从而之一。在过去20年中，一些智能方法得到了发展并用对PD模式识别算法进行评估。信号包括：尖刺放电、于PD模式识别中J。仍有两个困难问题：(1)从气隙放电、悬浮放电、

7、沿面放电4种典型的高压设备局PD测试数据中提取有代表性并且是维数较低的特征部放电。图1是上述模型的放电椭圆图谱。数据。(2)选择合适的算法获得理想的效果。原始PD测量数据是高维的数据。为了处理这些本文结合概率神经网络和小波变换提出一种算法数据，传统方法是计算放电脉冲高度和数量分布上的用于PD模式识别。BP神经网络以其固有的模式分一组统计算子-4j。这些统计算子即是PD模式的特类和噪声抑制能力在模式识别领域中得到了广泛应征集。本文采用小波变换提取特征，使用WT可得到用，但是也存在诸多缺点，如训练样本需求

8、量大、训练具有较强分类能力的近似小波系数能量及细节小波系周期长及易陷入局部最小等。概率神经网络的网络结数能量作为特征输入。与其他算法相比，使用PNN及构是按照贝叶斯判别函数来设置的，以实现错误率或WT混合算法可得到理想的识别准确度。通过采集到的PD数据可验证方法的有效性。收稿日期：2014．10—29基金项目：国家自然科学基金资助项目(61205076)作者简介：马立新(196O一)，男，教授。研究方向：电力系统分析与优化运行，智能电网与智能科学等。E—