共查询到18条相似文献,搜索用时 66 毫秒
1.
2.
本文介绍了BP人工神经网络在局部放电模式识别中的应用,结合实际现场情况提出了一部局部放电特性的提取方法,并在此方法基础上开发出局部放电模式识别系统,然后利用此系统对空气火花放电和油中火花放进行了模式识别实验,实现结果证明了这种放电特性提取方法在局部放电模式识别应用中的可行性。 相似文献
3.
4.
5.
6.
7.
8.
高压电力设备在发生绝缘劣化的早期,内部会出现局部放电现象,笔者依据检测得到的局放信号,提出了采用基于统计参数的自适应网络推理系统进行绝缘缺陷模式识别的方法。自适应网络推理系统是神经网络和模糊逻辑的结合,通过模糊逻辑进行识别系统建模,利用神经网络训练系统参数。设计并实验了4种绝缘缺陷模型,对多周期的局放信号进行相位分布及幅值分布统计,提取表征局放特性的统计参数,总结了不同缺陷模型局放特征的区别。实际的检测结果表明,经过训练后的局放缺陷识别系统,能够有效地对各种缺陷的样本数据进行分类,达到良好的识别效果。 相似文献
9.
10.
11.
12.
13.
信息融合在变压器油纸绝缘局部放电识别中的应用 总被引:3,自引:3,他引:0
局部放电会引起变压器绝缘的老化和破坏,而变压器局部放电特性的研究能够很好反应变压器潜伏性缺陷,对其安全可靠运行具有重要意义,因而设计制作了模拟变压器沿面放电、气隙放电和电晕放电的3种缺陷模型,采用升压法进行相应的放电试验,通过分析油中溶解气体在局部放电发展过程中的变化规律,寻找出油中产生气体与不同局部放电的对应关系。引入局部放电的最大放电量相位特征谱图Hqmax(φ)和放电次数相位特征谱图Hn(φ),并提取基于谱图的统计特征参量,构建反向传播(back propagation,BP)神经网络和径向基函数(radical ba-sis function,RBF)神经网络对局部放电的放电类型进行初级识别,在此基础上,应用信息融合方法将初级识别结果融合油中产气特征以综合识别局部放电类型。实验结果表明,同一种溶解气体在不同放电模型中发展变化趋势是不一样的,根据统计特征参量和油中溶解气体变化规律,应用信息融合方法对变压器局部放电模式具有足够的识别能力。 相似文献
14.
根据UHF信号特征的GIS局部放电模式识别 总被引:2,自引:0,他引:2
综合自适应遗传算法和BP算法各自的优点,构造了基于两者混合训练的神经网络,应用到GIS局部放电超高频的模式识别。分别用基于自适应遗传算法的神经网络、基于BP算法的神经网络,以及基于自适应遗传算法和BP算法混合训练的神经网络对用局部放电超高频检测系统检测到的GIS中4种模式的局部放电进行了识别。实验结果表明,基于自适应遗传算法和BP算法混合训练的神经网络提高了神经网络训练的收敛速度,保证了收敛的可靠性,具有较高的识别率和较强的泛化能力。 相似文献
15.
16.
基于多特征信息融合技术的局部放电模式识别研究 总被引:1,自引:0,他引:1
针对单一特征信息分析模式独立辨识不能有效、可靠地判断出局部放电(PD)类型致使识别"误诊"的问题,以及为了最大限度地利用特高频(UHF)传感器所获取的丰富绝缘状态信息,利用放电时间、放电相位分布及UHF能量与放电量相关性等3类特征信息的共性和差异性进行融合互补,提出一种基于多特征信息融合的PD模式识别方法。通过在一套三相分箱式真实GIS(ZF-10-126)试验平台上实测所得的PD试验信息进行分析其结果表明:3类特征信息独立辨识各类缺陷的准确度存在较大差异性和不确定性,但有着各自优势。而采用D-S证据理论进行3类特征信息融合PD模式识别技术,可对3类特征信息独立识别法各自存在的不足进行互补,具有更高更准确的辨识率和可靠性。至此验证了所提方法的有效性与正确性。 相似文献
17.