局部放电故障神经网络模式识别及实验研究

阐述了局部放电信号模式识别对高压电器故障诊断的意义。用理想的同轴电极系统放电模型模拟了两种放电模式。将统计数学应用于局部放电信号特征量的提取 ,得到的特征向量 (放电量不对称性Q、相位不对称性Φ、相关系数cc)作为BP神经网络的输入 ,以此对局部放电信号进行模式识别。实验证明这种方法具有很高的识别率。     

基于小波神经网络局部放电模式识别方法的实验研究

针对局部放电信号频率的特点,在小波神经网络基础上,构造一个改进型小波神经网络,并把信号在小波基的不同尺度和位移上展开,得到信号在不同尺度下的小波细节系数,将其输入到该小波网络进行局部放电模式识别．实验仿真得出,识别的相对误差范围为0．1％-3．9％．     

正极性纳秒脉冲下水中流注放电仿真研究

基于场致电离机理，建立二维轴对称流体模型，仿真研究正极性纳秒脉冲电压下水中针-板电极流注放电的发展过程。得到不同的外施电压幅值、脉冲上升沿时间下水中流注放电的形貌、电场强度与空间电荷密度的时空分布。仿真结果表明：随着外施电压幅值升高，放电通道的电荷量和速度变大；脉冲上升沿变陡使得放电通道半径增大，对应的最大电场强度减小。仿真显示脉冲放电下水温有所升高，但放电没有明显的汽化现象。文中的研究结论有助于加深对纳秒脉冲下水中流注放电起始、发展过程的认识以及对液体电介质放电机制的理解。