混合神经网络算法在GIS局部放电模式识别中的应用研究.pdfVIP

第 3期 (总第 180期) 山 西 电 力 No．3 Ser．18o) 2013年 06月 SHANXI EI CTRIC P0WER Jun．2013 混合神经网络算法在GIS局部 放电模式识别中的应用研究 梁基重 ，杨亚奇 ，张 平 (1．山西电力科学研究院，山西 太原 030001；2．东北电力大学，吉林 吉林 132012) 摘要：为了提高基于超声法GIS局部放电模式识别的正确率，在实验室中对GIS典型缺陷局部 放电的超声波进行了重复性测量，从43个能够表征缺陷特征的参数中提取了34个稳定的特征参 数。然后采用后向序贯算法筛选出了24个有效特征参数作为神经网络输入参数。针对神经网络 的局限性，提出了改进的GA—BP混合神经网络算法。训练结果表明，GA—BP神经网络的应用 有效地提高了识别的准确率。 关键词：超声波法；混合神经网络算法；局部放电；模式识别；特征参数提取 中图分类号：TM7 文献标识码 ：A 文章编号：1671—0320(2013)03—001l一04 0 引言 行了稳定性筛选及算法优化，进而提出了基于遗传 (GA)算法和BP (ErrorBackPropagation)神经网 局部放电是气体绝缘变电站 (GIS)绝缘劣化 络相结合的 (GA—BP)混合神经网络识别算法，并 的前兆，也是 GIS绝缘劣化的主要原因lJ【。GIS中 对GIS中典型缺陷进行了模式识别的验证。 不同类型的缺陷，其局部放电信号差异很大，对 GIS的损害程度也不尽相同。自20世纪 80年代 ， 1 超声波法局放测量系统 超声波法开始应用于局部放 电 (局放)的测量，由 图1为超声法局放测量系统主要结构示意图。 于其灵敏度高，易于实现带电检测、缺陷定位等优 图 l中，T为 自耦调压器，T2为隔离变压器 ，T3 点，已被广泛用于GIS局部放电的测量 】。 为无局放高压试验变压器 ，z为保护阻抗 ，c为耦 基于超声波法进行缺陷模式识别一直是超声波 合电容，c为模拟 GIS缺陷试品等效电容，zm为 法检测GIS局部放 电的研究热点，在先进的传感器 检测阻抗 ，测量采用超声局放探测仪。 以及先进后端处理器、数学分析工具支持下，缺陷 模式识别工作已取得了一定的进展，但其总体识别 效果仍不尽如人意。 本文在获取GIS典型缺陷局部放电超声信号的 基础上，提取了相应的特征参数，并对特征参数进 鼬9 图 1 超声波法局放检测系统 收稿 日期：2013—01—16，修回日期：2013—03—29 超声测量系统最关键的部分是获取超声信号的 作者简介：梁基重 (1985一)，男，山西平遥人 ，2010年毕业于西安交 通大学高电压与绝缘专业，助理工程师，从事GIS、变压 传感器，局部放电测量要求超声传感器灵敏度高、 器高压试验工作； 抗电磁干扰能力强。本文使用的传感器增益为 40 杨亚奇 (1991一)，女，山西太原人，2010级东北电力大学 dB，带宽 1O50kHz，输入采用差分方式，输出信