基于稀疏自编码和极限学习机的局部放电模式识别

• 作者: 何金 曹梦 朱旭亮 王伟 邢向上 陈荣
• 来源期刊: 高压电器
• 关键词: 局部放电 稀疏自编码器 ELM 模式识别
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 局部放电模式识别算法
• 页码范围: 295-300,306
• 页数: 7页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2018.11.043

摘要

传统的局部放电模式识别方法识别正确率低,或者训练时间长.文中提出了一种新的局部放电模式识别算法,绘制局部放电信号的PRPS图谱作为输入数据,采用基于稀疏自编码器(sparse autoencoder,SAE)实现对PRPS图谱的特征提取和降维,得到能高度表达原始数据的低维特征空间.利用极限学习机(extremelearning machine,ELM)网络作为分类器,实现对局部放电的分类.利用实验得到的数据样本测试该算法,结果表明该算法不仅模式识别正确率高,并且训练速度快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟		35	38	4.0	4.0
2	何金		11	6	1.0	1.0
3	曹梦		5	5	1.0	1.0
4	朱旭亮		5	2	1.0	1.0
5	邢向上		2	1	1.0	1.0
6	陈荣		5	17	2.0	4.0