BP神经网络和支持向量机相结合的电容器介损角辨识.PDFVIP

第 14 卷第 1 期 智　能　系　统　学　报 Vol.14 No.1 2019 年 1 月 CAAI Transactions on Intelligent Systems Jan. 2019 DOI: 10.11992/tis.201805034 网络出版地址: /kcms/detail/23.1538.tp0937.002.html BP 神经网络和支持向量机相结合的 电容器介损角辨识 赵文清，严海，王晓辉 （华北电力大学 控制与计算机工程学院，河北 保定 071003 ） 摘 要：针对电力电容器介质损耗的计算方法稳定性较差，频率波动对介损角的辨识有较大影响的问题，提出 了BP 神经网络和支持向量机(support vector machine, SVM) 相结合(BP-SVM) 的辨识方法，并且首次应用于电容 器介损角的辨识。在辨识过程中，首先，对电容器工作一段时间的信号进行采样和预处理，预处理后的信号作 为训练集训练BP-SVM 模型；然后，使用训练好的BP-SVM 模型对预处理后新的采样信号进行辨识，判断介损 角的变化量。此外，给出了基于BP-SVM 模型的介损角表示信号D (t) 的计算过程，同时分析了在讨论域内信δ 号D (t) 的幅值即是介损角δ。仿真分析结果表明，提出的BP 神经网络和SVM 相结合的电容器介损角辨识方δ 法比基于深度学习的辨识方法具有更高的辨识准确率，并且频率变化对BP-SVM 方法的辨识性能无明显影响。 关键词：电容器；介质损耗；正向求解；频率；介损角；BP 神经网络；支持向量机；深度学习 中图分类号：TP18 文献标志码：A 文章编号：1673−4785(2019)01−0134−07 中文引用格式：赵文清, 严海, 王晓辉. BP 神经网络和支持向量机相结合的电容器介损角辨识[J]. 智能系统学报, 2019, 14(1): 134–140. 英文引用格式：ZHAO Wenqing, YAN Hai, WANG Xiaohui. Capacitor dielectric loss angle identification based on a BP neural net- work and SVM[J]. CAAI transactions on intelligent systems, 2019, 14(1): 134–140. Capacitor dielectric loss angle identification based on a BP neural network and SVM ZHAO Wenqing，YAN Hai，WANG Xiaohui (School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, China) Abstract: The stability of the calculation method for dielectric capacitor loss is poor, and the frequency fluctuation has a great influence on the identification of dielectric loss angle. To overcome this limitation, an identification method in combination with a back propagating (BP) neural network and suppo