基于KELM-VPMCD方法的未知局部放电类型的模式识别

• 作者: 曹雁庆 朱永利 贾亚飞 高佳程
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 局部放电 模式识别 核极限学习机 变量预测模型
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 智能输电
• 页码范围: 141-147
• 页数: 7页
• 分类号: TM835
• 语种: 中文
• DOI: 10.16081/j.issn.1006-6047.2018.05.021

摘要

为了解决局部放电类型未知的样本无法被正确识别的问题,提出了一种基于核极限学习机-变量预测模型(KELM-VPMCD)的未知局部放电类型的识别方法.通过KELM对已知局部放电类型的训练样本进行训练,然后对各局部放电类型已知的样本建立相应的变量预测模型.利用这些模型对测试样本进行回归预测.根据各样本的预测误差平方和,利用Otsu算法设置误差阈值,通过阈值识别各样本的局部放电类型.识别结果表明,所提方法对于未知的局部放电类型具有较高的正确识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永利	华北电力大学新能源电力系统国家重点实验室	268	5516	39.0	62.0
2	贾亚飞	华北电力大学新能源电力系统国家重点实验室	9	48	3.0	6.0
3	高佳程	华北电力大学新能源电力系统国家重点实验室	8	25	3.0	5.0
4	曹雁庆		5	9	2.0	3.0