基于Hilbert边际谱和SAE-DNN的局部放电模式识别方法

• 作者: 刘帅 张科 朱永利 郑艳艳 高佳程
• 来源期刊: 电力系统自动化
• 关键词: 局部放电 模式识别 Hilbert边际谱 稀疏自编码器 深度神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能在电力系统及综合能源系统中的应用专辑
• 页码范围: 87-94
• 页数: 8页
• 字数: 7709字
• 语种: 中文
• DOI: 10.7500/AEPS20180422004

摘要

提出了一种基于Hilbert边际谱和稀疏自编码器 (SAE) —深度神经网络 (DNN) 的局部放电 (PD) 信号的模式识别方法.首先, 以变分模态分解 (VMD) 对PD信号进行分解, 对所得各分量进行Hilbert变换构建相应的Hilbert边际谱.其次, 以PD信号的Hilbert边际谱为输入数据, 利用SAE自动学习复杂数据的内在特征来提取简明的数据特征表达获得参数.再次, 利用SAE的训练结果初始化DNN, 再以大量训练样本进行分类器的训练.同时, 为了加快SAE和DNN学习过程的收敛速度, 以自适应步长的学习速率对网络进行调优, 更新权值参数.最后, 用训练好的DNN完成测试样本的PD类型的识别.此外, 以基于BP神经网络和支持向量机的识别结果与文中结果进行比较.实验结果证明, 所采用的识别方法具有更高的正确识别率.