基于核统计不相关最优鉴别矢量集的gis局部放电模式识别 pd pattern recognition based on kernel statistical uncorrelated optimum discriminant vectors in gis.pdfVIP

2008年9月 电工技术学报 V01．23NO．9 第23卷第9期 TRANSACTIONSOFCHINAELECTROTECHNICALSoCIETY Sep． 2008 基于核统计不相关最优鉴别矢量集的 GIS局部放电模式识别 张晓星 唐 炬 孙才新 姚 尧 (重庆大学输配电设备及系统安全与新技术国家重点实验室 重庆400044) 摘要 GIS局部放电故障诊断对于准确掌握GIS内部的缺陷性质和指导GIS的检修工作有着 重要意义。针对线性Fisher鉴别分析用于局部放电故障诊断时存在的问题，文中借鉴核方法思想， 提出了一种基于核的统计不相关鉴别矢量集算法(KSUODV)，用以解决高维特征空间内的非线 性特征提取问题，并且消除了变换后样本特征之间的统计相关性。在对实验室获取的7种缺陷PD 三维谱图模式识别试验表明，KSUODV算法的识别性能优于SUODV算法性能，效果良好。 关键词：气体绝缘电器 局部放电 模式识别 核 Fisher鉴别分析 中图分类号：TM83