神經(jīng)網(wǎng)絡在局部放電模式識別中的實驗研究.pdf

1、局部放電量是評價在線高壓電器絕緣狀態(tài)的最重要技術參數(shù)之一。絕緣缺陷和局部放電緊密關聯(lián)，在線監(jiān)測高壓電器運行狀態(tài)，實時采集絕緣局部放電信號并對其進行數(shù)理分析處理和屬性分類，推斷、預測絕緣缺陷部位及放電發(fā)展程度，可以預報預防事故發(fā)生。因此，局部放電模式識別技術的研究和理論探討具有重要的工程應用價值和學術意義。 本文在參閱大量國內(nèi)外現(xiàn)有的局部放電模式識別文獻基礎上，從局部放電產(chǎn)生機理出發(fā)，設計了三種局部放電模型——尖對尖電極系統(tǒng)、尖對

2、板電極系統(tǒng)和球對板電極系統(tǒng)。運用現(xiàn)代信號采集和數(shù)字處理技術，構建局部放電信號采集系統(tǒng)，通過DSO-2902數(shù)據(jù)采集裝置將局部放電模擬信號轉化為數(shù)字信號直接輸入到計算機。計算機通過自行設計的采集軟件系統(tǒng)對局部放電信號進行操作。為使局部放電信號采集軟件系統(tǒng)更具可操作性，采用C++Builder和MATLAB兩種語言混合編程。 局部放電模式識別分類效果取決于模式特征、分類器拓撲結構和相應算法。本文在綜合局部放電特征提取方法、最優(yōu)特征向

3、量選擇理論和模式分類器設計原理的基礎上，提出自適應特征提取小波神經(jīng)網(wǎng)絡，并給出相應拓撲結構和網(wǎng)絡學習訓練算法。自適應特征提取小波神經(jīng)網(wǎng)絡是一種集最優(yōu)局部放電時頻特征提取和模式分類器功能于一體的前饋型網(wǎng)絡，在網(wǎng)絡學習過程中，其學習步長的選擇采用自適應學習步長算法，提高網(wǎng)絡的收斂速度。同時，將自適應特征提取小波神經(jīng)網(wǎng)絡與以局部放電圖像灰度矩為特征的BP神經(jīng)網(wǎng)絡及以局部放電統(tǒng)計量為特征的正交小波神經(jīng)網(wǎng)絡的學習訓練和識別效果進行比較試驗研究和理