基于半监督学习的XLPE电缆局部放电模式识别研究.pdf

基于半监督学习的XLPE电缆局部放电模式识别研究.pdf

ID:57749911

大小:496.68 KB

页数:7页

时间:2020-03-28

基于半监督学习的XLPE电缆局部放电模式识别研究.pdf_第1页
基于半监督学习的XLPE电缆局部放电模式识别研究.pdf_第2页
基于半监督学习的XLPE电缆局部放电模式识别研究.pdf_第3页
基于半监督学习的XLPE电缆局部放电模式识别研究.pdf_第4页
基于半监督学习的XLPE电缆局部放电模式识别研究.pdf_第5页
资源描述:

《基于半监督学习的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、第39卷第14期电力系统保护与控制VOl_39NO.142011年7月16日PowerSystemProtectionandControlJuly16,2011基于半监督学习的XLPE电缆局部放电模式识别研究姚林朋,王辉,钱勇,黄成军,郑文栋,江秀臣(上海交通大学电气工程系,上海200240)摘要:在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究。制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中

2、提取2O种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,七近邻,BP神经网络等方法进行了对比,并采用主成分分析进行优化。研究结果表明半监督学习能充分利用已标注样本的特征信息和未标注样本的分布信息,增强分类器的性能,提高局部放电模式识别的准确率。而通过主成分分析的方法能降低样本特征维数,有效提高半监督学习算法速度。关键词:XLPE电缆;局部放电;半监督学习;模式识别;主成分分析PatternrecognitionofpartialdischargeinXLPEcablebasedons

3、emisupervisedlearningYAOLin—peng,WANGHui,QIANYong,HUANGCheng~un,ZHENGWen—dong,JIANGXiu—chen(DepartmentofElectricalEngineering,ShanghaiJiaoTongUniversity,Shanghai200240,China)Abstract:Intheresearchofpatemrecognitiononpartialdischarge(PD)inXLPEcable,insuficie

4、ntlabelleddatamayleadtolowrecognitionrate.Tosolvetheproblemconsistencymodel(CM)basedonsemisupervisedlearning(SSL)theoryisintroduced.TwentytypesofstatisticalcharacteristicsareextractedfromPDpulsesequencefromfourtypicalmodelsofinsulationdefectsinaXLPEpowercab

5、le.AcomparisonbetweenCMbasedonSSLandsupervisedmethods(J48,kNearestNeighborandBPNeuralNetwork)isconducted,andCMisoptimizedusingprincipalcomponentanalysis.ThecomparisonresultshowsthatCMmethodtakesfulladvantageofbothdiversifiedcharacteristicinformationfrommanu

6、ally1abelleddataanddistributioninformationfromunlabelleddatatoenhancetheperformanceoftheclassifierandimprovetherecognitionrateeficiently.PrincipalcomponentanalysismethodCanreducethecharacteristicdimensionofsamplesandspeedupthealgorithmofsemisupervisedlearni

7、ng.Keywords-XLPEcable;partialdischarge;semisupervisedlearning;patternrecognition;principalcomponentanalysis中图分类号:TM835文献标识码:A文章编号:1674-3415(2011)14—0040—07经网络【l⋯、决策树lJlJ等方法。这些方法大多基于有0引言监督学习,即通过人工标注后的样本训练分类器而近年来,交联聚乙烯(XLPE)电力电缆在城市对未标注的样本做出判别。然而有监督学习的方法电网的输电线

8、路和配电网中得到广泛应用,其可靠仅仅能够针对已标注的样本进行学习而忽视了未标运行对电网稳定起着至关重要的作用。除人为因素注样本的价值,因此在未标注样本数量远大于己标外,大部分电缆事故由电缆绝缘问题引起,而对局注样本的情况下,通过有监督学习的方法建立的分部放电(以下简称局放)进行检测是评估XLPE电缆类器往往泛化能力不足,识别率较低。随着数据采绝缘状况的有效方法[1-41。电缆的绝缘结构和运行集和存储

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。