基于bp网络的局部放电模式识别-高电压与绝缘技术专业论文.docxVIP

摘要基于BP网络的局部放电模式识别 摘要 基于BP网络的局部放电模式识别 摘要 局部放电水平是评估高压电器绝缘状态的重要技术指标之一，它不仅反 映绝缘状态，而且可以估算出电器设备绝缘的使用寿命。但是局部放电的随 机性影响了局部放电信号的采集，降低了局部放电模式识别的效果。论文 构造了基于BP网络的新型分类器，探讨了该分类器用于局部放电信号 的特征提取及模式识别的可行性。同时也进行了信号去噪方法的实验探 索。其意义在于避免网络拓扑构成的盲目性，提高局部放电模式识别的效 果。 本论文对比研究了基于BP网络的局部放电灰度矩特征提取及其模式识 另U、基于正交小波神经网络局部放电统计特征量的模式识别和基于自适应特 征提取小波神经网络局部放电模式识别方法。 文中将局部放电脉冲信号波形看作是一幅具有某种灰度分布的图像，利 用灰度矩的概念，借助图像识别技术对局部放电脉冲信号灰度分布图像进行 特征提取，给出了特征量提取算法，对针．板和球一板电极产生的局部放电信 号进行灰度矩特征量提取后，作为BP神经网络的输入向量矩阵，经过学习 训练，使识别率达到75％。 本文利用局部放电信号的统计特征量作为iF交小波神经网络的输入向 量，经过学习训练，得到该网络的识别率为82％。 在分析BP网络和正交小波神经网络用于局部放电模式识别时存在不足 的基础上，本文提出并构建了自适应特征提取小波神经网络。按照前馈型网 络的构成方式将最优局部放电信号时频特征提取和模式分类功能集于一体， 通过小波神经网络隐层元的激励函数(小波函数)与局部放电信号的变换来 完成特征量的提取。实现了模式的可分性，也保证了分类器结构的最佳化， 避免了网络拓扑构成的盲目性，提高了模式识别效果。利用自适应特征提取 小波神经网络对三种典型电极(针一板、针，针和球一板电极系统)的局部放 电信号进行模式识别试验，经过特征量提取和网络学习ⅪiI练后，网络的识刹 率达到90％。 此外，为了满足局部放电模式识别的需要，论文对局部放电脉冲信号、 晴尔滨理工人学T学博士学位论文典型干扰信号(函数)的奇异性以及在小波变换过程中，在不同尺度下表现 晴尔滨理工人学T学博士学位论文 典型干扰信号(函数)的奇异性以及在小波变换过程中，在不同尺度下表现 出的不同特征进行了理论分析和去噪仿真计算，同时针对局部放电信号采集 过程易受现场杂散信号干扰的特点，研究提出了多次小波和复合小波快速去 噪算法。通过对实验系统所产生的含周期噪声、白噪声的局部放电信号的小 波去噪处理，结果表明，本文提出的多次小波去噪和复合小波去噪算法具有 满意的效果。 以上研究成果不仅为局部放电在线检测中的模式识别进一步研究提供了 参考，而且也为信号处理的理论和实践提供了新的思路，为以后该领域的研 究奠定了基础。 关键词 局部放电；模式识别；复合小波去噪；小波神经网络；自适应特 征提取 PD PD PATTERN RECoGNITIoN BASED oN BP NETWoRK Abstract Partial discharge(PD)level is of important technical indexes which used to assessing the insulation state of high voltage electrical apparatus．It is not only reflection of the insulation conditions，but also predicts the service expectancy—life of the insulation used in the high voltage electrical apparatus However，the randomicity of the partial discharge affects the partial discharge sampling．Meanwhile，it is also make some troubles for pattern recognition of partial discharge．The projects caaried out in this dissertation have discussed the possibility in details for PD pattern reeonginition constructed new kinds of classifiers，extracted new features and invented new method to de-noise，aimed at to improve the classifying effects and been