本文關鍵詞：用于局部放電模式識別的深度置信網(wǎng)絡方法

  更多相關文章： 氣體絕緣電器 局部放電 深度置信網(wǎng)絡 模式識別 識別準確率

【摘要】：氣體絕緣電器(gas insulated switchgear,GIS)內(nèi)部絕緣缺陷產(chǎn)生的局部放電(partial discharge,PD),特征表現(xiàn)較復雜,分散性大,易受運行環(huán)境影響,而基于PD統(tǒng)計特征模式識別的傳統(tǒng)方法,特征量選取主觀性較強,且容易丟失部分特征信息,尤其對自由金屬微粒類型缺陷識別率較低。因此,提出了一種基于深度置信網(wǎng)絡(deep belief nets,DBN)的GIS設備內(nèi)部PD模式識別方法,DBN能從數(shù)據(jù)中自主學習出高階特征,避免了特征量選取的主觀影響,能較好識別自由金屬微粒類型缺陷,且識別用時遠低于支持向量機(support vector machine,SVM)和BP神經(jīng)網(wǎng)絡(back propagation neural networks,BPNN)算法,作為對GIS設備PD模式識別的新方法具有一定的實用價值。
【作者單位】： 武漢大學電氣工程學院;國網(wǎng)山東省電力公司電力科學研究院;
【關鍵詞】： 氣體絕緣電器 局部放電 深度置信網(wǎng)絡 模式識別 識別準確率
【基金】：國家863高技術基金項目(2015 AA050204)~~
【分類號】：TM855
【正文快照】： 0引言氣體絕緣電器(gas insulated switchgear,GIS)具有占地面積小、安全穩(wěn)定性高、電磁污染低等優(yōu)點,得到了越來越廣泛的應用[1-4]。然而在生產(chǎn)、運輸、安裝和長期運行的過程中,GIS設備內(nèi)部不可避免存在的各種絕緣缺陷是誘發(fā)絕緣故障的主要因素。絕緣故障早期常以局部放電(pa

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 魏振;齊波;左健;李成榕;;基于局部放電圖像特征的換流變壓器油紙絕緣缺陷診斷方法[J];電網(wǎng)技術;2015年04期

2 孫文星;李朝暉;程時杰;;一種發(fā)電機故障放電信號特征實時在線自動識別方法及其應用[J];電網(wǎng)技術;2015年02期

3 劉建偉;劉媛;羅雄麟;;玻爾茲曼機研究進展[J];計算機研究與發(fā)展;2014年01期

4 姚明海;李潔;王憲保;;基于RPCA的太陽能電池片表面缺陷檢測[J];計算機學報;2013年09期

5 楊鐘瑾;;核函數(shù)支持向量機[J];計算機工程與應用;2008年33期

6 楊延西,劉丁;基于小波變換和最小二乘支持向量機的短期電力負荷預測[J];電網(wǎng)技術;2005年13期

7 張曉虹,張亮,樂波,謝恒X;基于局部放電的矩特征分析大電機主絕緣的老化[J];中國電機工程學報;2002年05期

8 王曉蓉,楊敏中,嚴璋;電力設備局部放電測量中抗干擾研究的現(xiàn)狀和展望[J];電網(wǎng)技術;2000年06期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周利軍;仇祺沛;成睿;陳穎;劉棟財;張樂樂;;不同溫度下局部氣壓對XLPE電纜電樹枝生長及局放特性的影響[J];中國電機工程學報;2016年18期

2 柴瑞敏;O@稱稱;;一種改進的深度置信網(wǎng)絡及其在自然圖像分類中的應用[J];計算機應用與軟件;2016年09期

3 楊豐源;宋輝;程序;高兆麗;陶詩洋;段大鵬;盛戈v，

本文編號：617607