GIS典型缺陷的局部放电超高频检测及模式识别.pdfVIP

GIS典型缺陷的局部放电超高频检测及模式识别.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
GIS典型缺陷的局部放电超高频检测及模式识别.pdf

内蒙 古 电力 技 术 2015年第33卷第 1期 INNER M0NG0LIA ELECTRIC POWER 7 doi:10.3969~.issn.1008-6218.2015.O1.024 GIS典型缺陷的局部放 电超 高频检测及模式识别 韩 磊 ,王立威 。郑艳清 (1.内蒙古电力科学研究院,呼和浩特 010020; 2.西安电子科技大学机电学院,西安 710126;3.内蒙古国合电力有限责任公司,呼和浩特 010020) 摘要:为了解决GIS局部放电带电检测难题,采用了超高频法,以GIS试验设备为对象,设 计和模拟了GIS中自由金属颗粒、悬浮电位体、母线金属尖端、外壳金属尖端、绝缘子表面金 属颗粒和绝缘子气泡6种典型缺陷的模型,基于超高频法对其放 电信号进行检测,提取了缺 陷特征参数 ,应用支持向量机进行模式识别,进而对支持向量机的惩罚参数 “c”和核函数参 数 g“”进行 了粒子群优化。试验结果表明:不同缺陷类型的超高频信号在图谱和提取的数据 中会呈现出不同的特征;在模式识别中,粒子群方法优化支持向量机展现出了比支持向量机 更好的鲁棒性和泛化能力。 关键词:气体绝缘组合电器;局部放电;超高频;支持向量机;粒子群优化 文献标志码:B 中图分类号:TM621.8 文章编号:1008—6218(2015)01—0007—06 UHF Detection and Pattern Recognition ofPartial Discharge on GIS TypicalDefects HAN Lei,WANG Liwei,ZHENG Yanqing (1.InnerMongoliaPowerResearch Institute,Hohhot 010020,China; 2.XiDian University SchoolofMechano—ElectronicEngineering,Xian 710126,China; 3.InnerMongoliaPowerInternationalCooperationCo.,Ltd.,Hohhot 010020,China) Abstract:Theultra-high frequency(UHF)method wasapplied forpartialdischarge detection in GIS, taking experimental GIS equipment in the laboratory as experimental subject,the typical defects including free particles,metal spikes,floating potential, insulators defectwere designed and simulated in the GIS.The UHF method wasused to detect its discharge signal,and extracted the parametersofthe defectcharacteristics.The support vector machine was used forpattern recognition,and particle swarm optimization was carried outfor support vector machine penalty praameter “C” and kernelfunction parameter “

文档评论(0)

月光般思恋 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档