基于PNN的GIS局部放电模式识别方法

作者：李君科; 李明江; 李德光

来源：电气传动, 2021, 51(15): 45-52.

DOI：10.19457/j.1001-2095.dqcd21522

• 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

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。

• 单位
  黔南民族师范学院; 洛阳师范学院