基于概率神经网络的局部放电信号特征提取与识别研究

摘要：

为提高气体绝缘开关(Gas Insulated Switchgear,GIS)局部放电(Partial Discharge,PD)信号分类识别的准确度和训练速度,提出了基于概率神经网络(Probabilistic Neural Network,PNN)的GIS局放信号分类方法以及表述信号形状与统计特征的联合特征参量.首先利用特高频(Ultra High Frequency,UHF)法获取GIS局放模拟装置产生的局放信号作为数据集,绘制散点图,选取完整准确描述图像特点的特征参量,以提高数据区分度;然后提取特征参量并进行降维,以解决维度过高引起的低效性,并将数据集随机分为训练集和测试集;最后,通过概率神经网络进行数据的训练和测试,解决了反向传播(Back Propagation,BP)神经网络、支持向量机(Support Vector Machine,SVM)等传统模式识别训练速度慢、易陷入局部最小等缺点.试验对比结果表明,方法具备较高的准确度,且提出的联合参量分类准确度相对于传统方法具有明显提高.

关键词：气体绝缘开关(GIS)、局部放电、特征参量、数据降维、概率神经网络

所属期刊栏目：40

分类号：TM835.4(高电压技术)

资助基金：国家自然科学基金项目61673268;国家自然科学基金重点项目61533012

在线出版日期：2018-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：60-63