基于KELM-VPMCD方法的未知局部放电类型的模式识别

摘要：

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.

关键词：局部放电、模式识别、核极限学习机、变量预测模型

所属期刊栏目：38

分类号：TM835(高电压技术)

资助基金：国家自然科学基金资助项目51677072

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：141-147