用于局部放电模式识别的深度置信网络方法

发布时间：2017-08-04 04:00

  本文关键词：用于局部放电模式识别的深度置信网络方法

  更多相关文章： 气体绝缘电器 局部放电 深度置信网络 模式识别 识别准确率

【摘要】：气体绝缘电器(gas insulated switchgear,GIS)内部绝缘缺陷产生的局部放电(partial discharge,PD),特征表现较复杂,分散性大,易受运行环境影响,而基于PD统计特征模式识别的传统方法,特征量选取主观性较强,且容易丢失部分特征信息,尤其对自由金属微粒类型缺陷识别率较低。因此,提出了一种基于深度置信网络(deep belief nets,DBN)的GIS设备内部PD模式识别方法,DBN能从数据中自主学习出高阶特征,避免了特征量选取的主观影响,能较好识别自由金属微粒类型缺陷,且识别用时远低于支持向量机(support vector machine,SVM)和BP神经网络(back propagation neural networks,BPNN)算法,作为对GIS设备PD模式识别的新方法具有一定的实用价值。
【作者单位】： 武汉大学电气工程学院;国网山东省电力公司电力科学研究院;
【关键词】： 气体绝缘电器 局部放电 深度置信网络 模式识别 识别准确率
【基金】：国家863高技术基金项目(2015 AA050204)~~
【分类号】：TM855
【正文快照】： 0引言气体绝缘电器(gas insulated switchgear,GIS)具有占地面积小、安全稳定性高、电磁污染低等优点,得到了越来越广泛的应用[1-4]。然而在生产、运输、安装和长期运行的过程中,GIS设备内部不可避免存在的各种绝缘缺陷是诱发绝缘故障的主要因素。绝缘故障早期常以局部放电(pa

【参考文献】

中国期刊全文数据库 前8条

1 魏振;齐波;左健;李成榕;;基于局部放电图像特征的换流变压器油纸绝缘缺陷诊断方法[J];电网技术;2015年04期

2 孙文星;李朝晖;程时杰;;一种发电机故障放电信号特征实时在线自动识别方法及其应用[J];电网技术;2015年02期

3 刘建伟;刘媛;罗雄麟;;玻尔兹曼机研究进展[J];计算机研究与发展;2014年01期

4 姚明海;李洁;王宪保;;基于RPCA的太阳能电池片表面缺陷检测[J];计算机学报;2013年09期

5 杨钟瑾;;核函数支持向量机[J];计算机工程与应用;2008年33期

6 杨延西,刘丁;基于小波变换和最小二乘支持向量机的短期电力负荷预测[J];电网技术;2005年13期

7 张晓虹,张亮,乐波,谢恒X;基于局部放电的矩特征分析大电机主绝缘的老化[J];中国电机工程学报;2002年05期

8 王晓蓉,杨敏中,严璋;电力设备局部放电测量中抗干扰研究的现状和展望[J];电网技术;2000年06期

【共引文献】

中国期刊全文数据库 前10条

1 周利军;仇祺沛;成睿;陈颖;刘栋财;张乐乐;;不同温度下局部气压对XLPE电缆电树枝生长及局放特性的影响[J];中国电机工程学报;2016年18期

2 柴瑞敏;O@称称;;一种改进的深度置信网络及其在自然图像分类中的应用[J];计算机应用与软件;2016年09期

3 杨丰源;宋辉;程序;高兆丽;陶诗洋;段大鹏;盛戈v，

本文编号：617607