基于Δu模式和RBF网络的局部放电模式识别

• 作者: 周倩 唐炬 孟延辉 李剑 谢颜斌
• 来源期刊: 重庆大学学报(自然科学版)
• 学科: 工学
• 关键词: 局部放电 Δu模式 径向基函数神经网络 模式识别
• 年，卷（期）: 2006,（11）
• 所属期刊栏目: 电气·动力·材料工程
• 页码范围: 41-44,52
• 页数: 5页
• 分类号: TM83
• 字数: 3651字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-582X.2006.11.010

摘要

局部放电(PD)模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一.采用了一种Δu模式参量作为局部放电的图谱特征,并采用不变矩作为放电特征;同时,采用了径向基函数神经网络(RBFNN)对局部放电Δu模式参量构成的图谱特征进行识别.结果表明采用正交最小二乘法(OLS)训练的RBFNN对Δu模式中的不变矩特征参量进行识别, RBFNN收敛速度快且稳定性强,识别率达到85.7%以上,能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号,在实际应用中具有良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐炬		5	103	5.0	5.0
2	孟延辉		2	42	2.0	2.0
3	周倩		3	23	3.0	3.0
4	李剑		2	7	1.0	2.0
5	谢颜斌		2	14	2.0	2.0