基于D-S证据组合规则的双模型融合局部放电模式识别方法
针对传统的局部放电模式识别存在的特征提取单一、识别准确率低等缺点,提出了一种基于D-S证据组合规则的双模型融合局部放电模式识别方法.根据基于相位信息的局部放电(PRPD)谱图的统计数据特征和图像特征的特点,分别建立了反向传播(BP)识别模型和卷积神经网络(CNN)识别模型.根据2个识别模型的识别结果,提出了基于信息熵改进的D-S证据组合规则以解决常见的悖论问题,基于此建立了判定模型,更好地融合了2个识别模型的输出结果,实现了2种特征识别的优势互补.根据实际数据测试,与单一模型对比,所提方法可以稳定、准确地识别局部放电模式.
局部放电;特征提取;机器学习;模式识别;D-S证据组合
41
TM507(电器)
国家电网公司科技项目5600-201918181A-0-0-00
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
153-159