粒子群优化自适应小波神经网络在带电局放信号识别中的应用

• 作者: 吴倩 来立永 沈杨杨 牛海清 罗新
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 局部放电 带电检测 自适应小波神经网络 模式识别 粒子群算法
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 高电压与绝缘
• 页码范围: 326-333
• 页数: 8页
• 分类号: TM831
• 字数: 5488字
• 语种: 中文

摘要

XLPE中压电缆局部放电(PD)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等.由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同,故有必要对PD信号的来源进行识别.本文提出一种基于自适应小波神经网络的XLPE电缆PD识别方法,构建了一个4层自适应小波神经网络模型,对实验室获得的PD波形进行识别;提出使用粒子群算法先进行一次优化,后使用BP算法进行二次优化的训练方法;讨论了不同网络结构及小波函数对网络性能的影响.研究结果表明PSO-BP组合优化的自适应小波神经网络的训练效果明显优于单独使用BP算法,能够准确、可靠的对PD信号进行识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛海清	华南理工大学电力学院	59	1026	18.0	31.0
2	罗新	华南理工大学电力学院	13	130	5.0	11.0
6	吴倩		9	79	3.0	8.0
7	沈杨杨	华南理工大学电力学院	2	55	2.0	2.0
8	来立永		1	32	1.0	1.0