排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
文中制作了5种典型的油纸绝缘局部放电模型,从局部放电的测量结果中提取出局部放电幅值的时间序列,对放电脉冲幅值的时间序列进行预处理,运用自回归模型对预处理的序列进行拟合,并将拟合所得的模型系数作为局部放电模式识别的特征向量,运用BP神经网络对这5种放电模型进行模式识别。笔者运用不同阶的自回归模型对局部放电脉冲幅值序列进行拟合,并在各阶的情况下分别对局部放电进行模式识别。结果表明,在运用4阶或6阶滞后模型对局部放电进行拟合时,能获得较高的正判率,均达到了80%以上。 相似文献
2.
3.
4.
通过对局部放电的模式识别可以了解放电类型及严重程度,并在此基础上确定维护方案。为了对局部放电进行识别,建立了油纸绝缘中的5种典型缺陷模型;运用K-W检验从相间局部放电(PRPD)统计算子中提取出分类能力最强的11个特征;基于提取的特征,在小样本训练集的前提下,利用层次分析法对典型放电模型进行识别,同时和同种情况下使用人工神经网络的识别效果进行了比较。实验结果表明,在小样本训练集下,运用层次分析法得到了较好的识别效果,正判率均大于85%,优于人工神经网络,这为小样本训练集的情况下局部放电的快速识别奠定了基础。 相似文献
1