SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf

SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf

ID:54371947

大小:881.17 KB

页数:8页

时间:2020-04-30

SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf_第1页
SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf_第2页
SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf_第3页
SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf_第4页
SF6局部放电分解组分光声检测信号交叉响应处理技术.pdf_第5页
资源描述:

《SF6局部放电分解组分光声检测信号交叉响应处理技术.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、高电压技术第39卷第2期2013年2月28日HighVoltageEngineering,Vo1.39,No.2,February28,2013257SF6局部放电分解组分光声检测信号交叉响应处理技术唐炬,范敏~,谭志红,孙才新(1.重庆大学输变电装备及系统安全与新技术国家重点实验室,重庆400030;2.湖南省电力公司科学研究院,长沙410007)摘要:SFs局部放电(PD)时,某些特征分解组分气体的红外吸收频带存在重叠部分,利用光声检测法检测其成分时会有严重的交叉响应,影响检测准确度。为此,将主成分分析(PCA)与径向基函数(RBF)神经网络相

2、结合,构建了一种能降低交叉响应的PCA—RBF神经网络,应用于光声检测法输出信号阵列的处理,以解决传统RBF神经网络在输入空间严重自相关时检测准确度的下降,实现对SOz、COz、CF混合气体中各组分气体体积分数的准确检测。结果表明:PCA—RBF神经网络有效地消除了样本之间的相关性,提高了神经网络对混合气体中各组分气体体积分数的检测准确度(平均相对误差<3%),为将光声检测法应用于SF。局部放电分解组分气体的检测提供了有效的数据处理手段。关键词:SF;局部放电(PD);交叉响应;主成分分析(PCA);径向基函数(RBF);神经网络;相关性;检测准确

3、度D0l:10.3969/j.issn.1003—6520.2013.02.001文章编号:l003—6520(2O13)02~0257-08CrossoverResponseProcessingTechnologyofPhotoacousticSpectroscopySignalofSF6DecompositionComponentsUnderPartialDischargeTANGJu,FANMin~,TANZhihong,SUNCaixin(1.StateKeyLaboratoryofPowerTransmissionEquipmentSys

4、temSecurityandNewTechnology,ChongqingUniversity,Chongqing400030,China;2.HunanElectricPowerScientificResearchInstitute,Changsha410007,China)Abstract:OverlapexistsintheinfraredabsorptionbandofsomeSF6decompositioncomponentsunderpartialdischarges(PD),SOtherewouldbeseriouscrossover

5、responseandprecisiondeclinewhenphotoacoustictechnologyisusedtodetectthesecomponents.Thus,wecombinedprincipalcomponentsanalysis(PCA)withradialbasisfunction(RBF)neuralnetworktoconstructaPCA—RBFneuralnetworkwhichsuppressescrossoverresponses.Thenewlyconstructedneuralnetworkisappli

6、edinprocessingtheoutputsignalarrayofphotoacousticdetectiontosolvetheproblemofprecisiondeclineforusingtraditionRBFneuralnetworkinthecaseofseriouscorrelatedinputspace,andtoachieveaccuratedetectionofconcentrationsofgascomponentsinagasmixtureofSO2,CO2,andCF4.TheresultsshowthattheP

7、CA—RBFneuralnetworkiseffectiveineliminatingcorrelationbetweensamples,anditraisesthedetectionprecisionofneuralnetworkstoconcentrationofvariouscomponentsingasmixture(theaveragerelativeerrorofthismethoddroptolessthan3).Theresearchprovidesaneffectivemethodofdataprocessingforusingp

8、hotoacousticspectroscopyindetectionofSF6decompositioncomponen

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。