典型文献
基于PRPD图谱多特征融合的局部放电类型识别研究
文献摘要：
局部放电(partial discharge,PD)信号的检测能够为电力系统提供绝缘缺陷诊断和运行状态评估.现有的局部放电类型识别算法难以有效识别相似度较高的绝缘缺陷,限制了其应用范围.为此,提出一种基于PRPD(phase resolved partial discharge)图谱多特征融合的局部放电类型识别算法.该算法利用卷积神经网络(convolu-tional neural network,CNN)提取局部放电PRPD图谱图像特征,将图像特征与PD信号统计特征进行有效融合,利用融合特征识别局部放电类型.在实验室环境下建立了4种局部放电模型,并进行了模拟对比实验.实验结果表明,相比传统的支持向量机(support vector machine,SVM)和反向传播神经网络(back propagation neural network,BPNN)算法,所提出方法的正确识别率分别提高了12.82％和19.70％,对相似度较高的缺陷类型也能进行有效识别,算法具有较好的鲁棒性.
文献关键词：
局部放电;类型识别;多特征融合;卷积神经网络;PRPD图谱
中图分类号：
作者姓名：
代少升;任忠;赖智颖;刘小兵
作者机构：
重庆邮电大学 通信与信息工程学院,重庆400065
文献出处：
引用格式：
[1]代少升;任忠;赖智颖;刘小兵-.基于PRPD图谱多特征融合的局部放电类型识别研究)[J].重庆邮电大学学报（自然科学版）,2022(03):373-382
A类：
B类：
PRPD,多特征融合,局部放电,类型识别,partial,discharge,电力系统,绝缘缺陷,缺陷诊断,运行状态评估,识别算法,phase,resolved,法利,convolu,tional,neural,network,谱图,图像特征,统计特征,有效融合,融合特征,特征识别,别局,实验室环境,support,vector,machine,反向传播神经网络,back,propagation,BPNN,识别率,缺陷类型
AB值：
0.353359
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
