采用神经网络和分形理论的电力设备局部放电模式识别研究.pdfVIP

采用神经网络与分形理论的电力设备局 部放电模式识别研究 王荣亮 杜伯学 陆宇航 武 媛 张 强 魏国忠 ．(天津大学电气与自动化工程学院天津300072) ． [摘 要] 根据小波理论，本文建立了表征局部放电(PD)脉冲信号的三维时频谱图； 这个三维谱图综合反映了局放脉冲信号的3个基本特征：时间分量、频率分量和放电能 量的分布。文中采用了分形理论从所建立的三维时频谱图中提取放电特征，并构成识别 特征量，采用反向传播算法(BP)神经网络用于局部放电信号类型的模式识别。实验结 果表明，本方法可以有效的区分局部放电的类型。 [关键词]局部放电特征提取分形理论模式识别 [中图分类号]TM83 1引言 近年来，通过测量局部放电对高压电力设备进行绝缘诊断与在线监测，预防发生重大电 力事故方面，取得了很大进步【l‘2】。通过分析放电脉冲特征评估电力设备的绝缘状况并正确 识别出放电类型对于绝缘系统的诊断是一项重要工作。目前，驴q．n三维谱图(既指纹法， 描述局部放电的重要特征量：相角币，放电量q和单位时间内的放电次数n)被广泛的应用 于局部放电类型的识别，并取得了很好的效果。此方法建立在交流电压基础上，并不适用于 直流高压系统：另外，采用“指纹法”或