基于BP神经网络的特高频局部放电定位误差校正

为了提高UHF法变电站站域局放定位的精度,提出了一种基于BP神经网络的定位误差校正方法,采用K-Means机器学习算法对测量值进行去抖动,通过对有限个标定点(径向距离r,方位角θ)误差值的训练,构造了0r≤66 m、0θ≤360°的误差补偿曲面,然后对实测值进行修正。考虑工程应用因素,提出了基于样条插值获取样本的方法,减少了工作量,具有工程可操作性。实验结果表明,在r∈(0,40 m)范围时,径向距离测量误差呈递减趋势,r40 m范围时,径向距离测量误差呈递增趋势,方向角测量误差分布具有相似的规律,经过误差补偿后,误差分布趋于平稳且误差值大大减小,证明了该方法的可行性与有效性。