基于半监督学习的XLPE 电缆局部放电模式识别研究[J].pdfVIP

第39卷 第 14期 电力系统保护与控制 VOl_39NO．14 2011年7月16日 PowerSystem ProtectionandControl July 16，2011 基于半监督学习的XLPE电缆局部放电模式识别研究 姚林朋，王 辉，钱 勇，黄成军，郑文栋，江秀臣 (上海交通大学电气工程系，上海 200240) 摘要：在交联聚乙烯 (XLPE)电力电缆的局部放电模式识别的研究中，为解决标注样本数量过少而导致识别率低下的问题， 引入基于半监督学习的方法进行电缆局部放电模式识别研究。制作了XLPE电缆的四类典型绝缘缺陷，从局部放电信号中提 取 2O种统计特征参数，对基于半监督学习的一致性模型方法与基于有监督学习的J48，七近邻，BP神经网络等方法进行了 对比，并采用主成分分析进行优化。研究结果表明半监督学习能充分利用已标注样本的特征信息和未标注样本的分布信息， 增强分类器的性能，提高局部放电模式识别的准确率。而通过主成分分析的方法能降低样本特征维数，有效提高半监督学习 算法速度。 关键词：XLPE电缆；局部放电；半监督学习；模式识别；主成分分析 PatternrecognitionofpartialdischargeinXLPEcablebasedonsemisupervisedlearning YAOLin—peng，WANGHui，QIANYong，HUANGCheng~un，ZHENGWen—dong，JIANGXiu—chen (DepartmentofElectricalEngineering，ShanghaiJiaoTongUniversity，Shanghai200240，China) Abstract：Intheresearchofpattem recognitiononpartialdischarge (PD) inXLPEcable， insufficientlabelleddatamayleadto lowrecognitionrate．To solvetheproblem consistencymodel (CM) basedonsemisupervisedlearning(SSL)hteoryisintroduced． Twentytypesofstatisticalchraacteristicsraeextractedfrom PDpulsesequencerfom fourytpicalmodelsofinsulationdefectsina XLPEpowercable．A compraisonbetweenCM basedonSSLandsupervisedmethods(J48，kNeraestNeighborandBPNeural Network)isconducted，andCM isoptimizedusingprincipalcomponentanalysis．ThecompraisonresultshowshtatCM methodtakes fulladvantageofbothdiversifiedcharacteristicinformationrfom mnaually1abelleddataanddistributioninformationfrom unlabelled daat toenhancetheperformna ceofhteclassifierandimprovehterecognitionrateefficiently．Principalcomponent naalysismethod Cna reducethe characteristicdimensionofsamplesandspeedupthealgorithm ofsemisupervisedlearning． Keywords-XLPEcable；partialdischrage； semisupervisedlearning；patternrecognition；principalcomponent analysis 中图分类号：TM835 文献标识码：A 文章编号： 1674-3415(2011)14—0040—07