山西电力
山西電力
산서전력
SHANXI ELECTRIC POWER
2013年
3期
11-14
,共4页
超声波法%混合神经网络算法%局部放电%模式识别%特征参数提取
超聲波法%混閤神經網絡算法%跼部放電%模式識彆%特徵參數提取
초성파법%혼합신경망락산법%국부방전%모식식별%특정삼수제취
为了提高基于超声法GIS局部放电模式识别的正确率,在实验室中对GIS典型缺陷局部放电的超声波进行了重复性测量,从43个能够表征缺陷特征的参数中提取了34个稳定的特征参数,然后采用后向序贯算法筛选出了24个有效特征参数作为神经网络输入参数.针对神经网络的局限性,提出了改进的GA-BP混合神经网络算法.训练结果表明,GA-BP神经网络的应用有效地提高了识别的准确率.
為瞭提高基于超聲法GIS跼部放電模式識彆的正確率,在實驗室中對GIS典型缺陷跼部放電的超聲波進行瞭重複性測量,從43箇能夠錶徵缺陷特徵的參數中提取瞭34箇穩定的特徵參數,然後採用後嚮序貫算法篩選齣瞭24箇有效特徵參數作為神經網絡輸入參數.針對神經網絡的跼限性,提齣瞭改進的GA-BP混閤神經網絡算法.訓練結果錶明,GA-BP神經網絡的應用有效地提高瞭識彆的準確率.
위료제고기우초성법GIS국부방전모식식별적정학솔,재실험실중대GIS전형결함국부방전적초성파진행료중복성측량,종43개능구표정결함특정적삼수중제취료34개은정적특정삼수,연후채용후향서관산법사선출료24개유효특정삼수작위신경망락수입삼수.침대신경망락적국한성,제출료개진적GA-BP혼합신경망락산법.훈련결과표명,GA-BP신경망락적응용유효지제고료식별적준학솔.
