基于Δu模式和RBF网络的局部放电模式识别
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TM85

基金项目:

重庆市自然科学基金资助项目(2005-BB3170),国家电网公司重庆电力公司项目(2004-SGKJ)


Partial Discharge Pattern Recognition Based on Voltage-difference Method and Radial Basis Function Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    局部放电(PD)模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一.采用了一种Δu模式参量作为局部放电的图谱特征,并采用不变矩作为放电特征;同时,采用了径向基函数神经网络(RBFNN)对局部放电Δu模式参量构成的图谱特征进行识别.结果表明采用正交最小二乘法(OLS)训练的RBFNN对Δu模式中的不变矩特征参量进行识别,RBFNN收敛速度快且稳定性强,识别率达到85.7%以上,能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号,在实际应用中具有良好的应用前景.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

孟延辉,唐炬,周倩,李剑,谢颜斌.基于Δu模式和RBF网络的局部放电模式识别[J].重庆大学学报,2006,29(11):41-.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:2006-07-11
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码