10.16081/j.issn.1006-6047.2018.05.021
基于KELM-VPMCD方法的未知局部放电类型的模式识别
为了解决局部放电类型未知的样本无法被正确识别的问题,提出了一种基于核极限学习机-变量预测模型(KELM-VPMCD)的未知局部放电类型的识别方法.通过KELM对已知局部放电类型的训练样本进行训练,然后对各局部放电类型已知的样本建立相应的变量预测模型.利用这些模型对测试样本进行回归预测.根据各样本的预测误差平方和,利用Otsu算法设置误差阈值,通过阈值识别各样本的局部放电类型.识别结果表明,所提方法对于未知的局部放电类型具有较高的正确识别率.
局部放电、模式识别、核极限学习机、变量预测模型
38
TM835(高电压技术)
国家自然科学基金资助项目51677072
2018-08-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
141-147