基于PNN的GIS局部放电模式识别方法

摘要：

气体绝缘开关设备(GIS)因绝缘缺陷引起的局部放电特性具有复杂性和分散性,其特征量的选取易产生数据的丢失和冗余,导致故障类型的识别效果不佳.据此,提出了采用线性判别分析(LDA)方法和遗传算法优化概率神经网络结合的局部放电模式识别方法.通过GIS局部放电实验平台模拟了5类典型的GIS局部放电模型,并建立相应的超高频图谱,提取了相关的特征参量;经过线性判别分析降维得到低维的样本空间,并送入到遗传算法优化后的概率神经网络中进行模式识别;分别采用BP神经网络、SVM、概率神经网络、优化概率神经网络4种分类器进行模式识别,实验结果表明,样本空间经过LDA降维,并经过遗传算法优化概率神经网络进行模式识别,具有较优的识别效果和识别时长.

关键词：气体绝缘开关设备;局部放电;模式识别;线性判别分析;遗传算法;概率神经网络

所属期刊栏目：51

分类号：TM933

资助基金：国家自然科学基金;贵州省科技厅自然科学基金重点资助项目;贵州省教育厅自然科学基金

在线出版日期：2021-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：45-52