基于神经网络gis局部放电模式的识别 neural network based partial discharge pattern identification of gis.pdfVIP

量墅 l麟 lX趱H 喾誓 卜勰息热 氅掣 ■匿澄：蘧 翳徽肾 Ⅸ 『．-嘲r已lII五：I】暑■ 于神经网络GIS局部放电模型 李培江L2，朱晓毒31，尤婷3 (1．上海大学机电工程与自动化学院，上海200072；2．衢州职业技术学院，浙江衢州324000； 3．衢州学院，浙江衢州324000) 摘要：全封闭气体绝缘开关设备(GIS)广泛应用于电网中，其内部缺陷导致的设备故障可能会引起大面 积停电事故。针对GIS缺陷放电模式识别问题．设计了3种GIS典型放电模式，通过实验平台获取放电指 纹数据．并从中提取出12种特征。对基于单一网络方式的概率神经网络、自适应神经网络以及基于复合 神经网络方式下的GIS局部放电识别问题进行对比研究，考察3种网络方式在输入验证、部分训练集等不 同条件下的放电模式识别率与一致性问题。实验结果表明，采用上述单一方式神经网络可以作为一种局部 放电识别手段．但识别结果的一致性较差．而复合神经网络不仅具有高识别率，而且一致性也较好，可以 较好地满足GIS局部放电识别。 关键词：GIS：局部放电；神经网络：模式识别 中图分类号：TM83 文献标志码：A 文章编号：1004—9649(2013)10．0060．07 0引言 由于放电识别的复杂性．当前比较有效的方 式还是利用获取的各种放电特征做人工识别。然 insulated而．这种方法存在识别效率较低且需要人员培训 全封闭气体绝缘开关设备(gas 和经验积累的弊病。目前，国内外许多学者对局 switchgear，GIS)已经获得了广泛应用。GIS把断 路器、隔离开关、接地开关、电流互感器、电压 部放电模式识别问题开展了深入研究．希望能够 互感器、避雷器、母线和出线套管等组合在一起， 找到取代人工识别的有效方法．其中人工神经网 把高压带电体密封在充满SR气体(0．3～0．4MPa)络作为一种非参数识别方法获得广泛关注。如文 绝缘介质的金属容器内[”。因此．同传统敞开式高 献『61基于多层前馈感知器提出了一种后向传播算 压配电装置相比，GIS具有结构紧凑、装置占地 法(BPA)；文献『71提出了脉冲序列相位分布依靠 面积小．且不受外界环境影响、运行可靠性高、 检修周期长的独特优点，因此GIS在城市电网中 计分析的神经网络识别系统。国内学者从GK 得到了广泛应用。 但GIS在应用过程中．也渐渐暴露出了一些 集t,0j、线性鉴别分析[11]。以及模糊C聚类【12】等不同 问题。运行经验表明．尽管GIS运行可靠性已经角度开展研究．上述方法对于单一放电模式辨识 很高，但在其运行过程中．内部缺陷仍可能引起 取得了良好效果． 事故．且一旦发生故障．必将引起所辖局部地区 然而．单一结构神经网络GIS放电模式识别． 乃至全部地区停电．所以绝缘故障始终是影响 误分类概率高和分类不稳定性问题一直存在。此 GIS可靠性的重要因素之一。 外对于含有复杂放电模式的输入信号．单一结构 针对GIS设备进行绝缘状态评估．放电监测 网络也很难准确识别出来。鉴于此．本文对基于 neural 是被广泛采用的主要技术手段．一方面可以