高压电器
高壓電器
고압전기
HIGH VOLTAGE APPARATUS
2012年
2期
46-49
,共4页
季盛强%纪海英%曹蕤%罗勇芬%李超%李彦明
季盛彊%紀海英%曹蕤%囉勇芬%李超%李彥明
계성강%기해영%조유%라용분%리초%리언명
油纸绝缘%局部放电%时间序列%自回归模型%BP神经网络
油紙絕緣%跼部放電%時間序列%自迴歸模型%BP神經網絡
유지절연%국부방전%시간서렬%자회귀모형%BP신경망락
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.
文中製作瞭5種典型的油紙絕緣跼部放電模型,從跼部放電的測量結果中提取齣跼部放電幅值的時間序列,對放電脈遲幅值的時間序列進行預處理,運用自迴歸模型對預處理的序列進行擬閤,併將擬閤所得的模型繫數作為跼部放電模式識彆的特徵嚮量,運用BP神經網絡對這5種放電模型進行模式識彆.筆者運用不同階的自迴歸模型對跼部放電脈遲幅值序列進行擬閤,併在各階的情況下分彆對跼部放電進行模式識彆.結果錶明,在運用4階或6階滯後模型對跼部放電進行擬閤時,能穫得較高的正判率,均達到瞭80％以上.
문중제작료5충전형적유지절연국부방전모형,종국부방전적측량결과중제취출국부방전폭치적시간서렬,대방전맥충폭치적시간서렬진행예처리,운용자회귀모형대예처리적서렬진행의합,병장의합소득적모형계수작위국부방전모식식별적특정향량,운용BP신경망락대저5충방전모형진행모식식별.필자운용불동계적자회귀모형대국부방전맥충폭치서렬진행의합,병재각계적정황하분별대국부방전진행모식식별.결과표명,재운용4계혹6계체후모형대국부방전진행의합시,능획득교고적정판솔,균체도료80％이상.
