根据UHF信号特征的GIS局部放电模式识别

• 作者: 印华 张小勇 方志 王建生 邱毓昌
• 来源期刊: 高压电器
• 学科: 工学
• 关键词: 局部放电 模式识别 遗传算法 神经网络
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 研究与分析
• 页码范围: 19-20,23
• 页数: 3页
• 分类号: TM83
• 字数: 2789字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1609.2005.01.007

摘要

综合自适应遗传算法和BP算法各自的优点,构造了基于两者混合训练的神经网络,应用到GIS局部放电超高频的模式识别.分别用基于自适应遗传算法的神经网络、基于BP算法的神经网络,以及基于自适应遗传算法和BP算法混合训练的神经网络对用局部放电超高频检测系统检测到的GIS中4种模式的局部放电进行了识别.实验结果表明,基于自适应遗传算法和BP算法混合训练的神经网络提高了神经网络训练的收敛速度,保证了收敛的可靠性,具有较高的识别率和较强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱毓昌	西安交通大学电气工程学院	228	4719	36.0	54.0
2	方志	西安交通大学电气工程学院	50	983	20.0	30.0
3	王建生		45	451	13.0	19.0
4	张小勇	西安交通大学电气工程学院	18	150	7.0	12.0
6	印华	西安交通大学电气工程学院	9	147	6.0	9.0