基于紫外成像系统的电晕放电评级算法研究
电气设备长期在高压等级下运行会造成其绝缘性能下降,导致局部电晕放电.为此,针对电气设备绝缘性能下降所造成的局放问题,在单通道紫外成像系统的基础上,提出并研究了一种紫外检测电晕放电故障量化分级的新方法;根据电气设备局放故障的特性,利用紫外成像系统采集放电故障点的图像信息,提取放电区域特征参数,并建立量化分级模型和实验仿真.研究表明,经过粒子群算法(PSO)优化支持向量机(SVM)参数后具有很好的泛化性,同时可以有效实现对放电故障量化分级;采用PSO优化SVM方法相比传统SVM算法和BP神经网络分级算法能保持很高的分级正确率和提高精度,具有明显的优势.实验结果验证了该分级模型的合理和有效性,测试数据也达到预期的结果,对放电故障检测方法改善有重要的实际应用意义.
电晕放电、紫外成像系统、粒子群算法、支持向量机、放电故障等级
41
TP2(自动化技术及设备)
2019-04-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
141-145