- 1、本文档共4页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
模糊B样条神经网络在变压器超高频局部放电模式识别中的应用
自动化与仪器仪表
模糊B样条神经网络在变压器
超高频局部放电模式识别 中的应用
田质广孟宪尧
辽宁大连海事大学自动化所(116026)
山东济南大学信息学院(250022)张慧芬
摘要:结合自适应模糊算法和B样条算法的优点,构造出模糊B样条混合算法作为神经网络
的学习算法,对变压器超高频局部放电进行了模式识别。实验表明,模糊B样条神经网络既解决了
BP神经网络对初始权值敏感和容易局部收敛的问题,又提高了模糊B样条神经网络的收敛速度、稳
定性和求解质量。
关键词:变压器超高频局部放电B样条函数 R
变压器局部放电既是设备绝缘劣化的征兆,又是造
成绝缘劣化的重要原因。局部放电检测能比较灵敏地
反映出设备的早期故障,因此对于电力设备的安全稳定
运行具有重要意义。局部放电超高频检测技术通过接
收变压器内部局部放电发射的超高频电磁波,来实现
局部放电的检测和定位,通过对变压器超高频局部放 R——保护电阻;EVM——静电电压表;&——试品5
电自动识别系统所得的放电谱图进行模式识别,可以区 cc——耦合电容器;Rd——耦合电阻;尉——测量阻抗
分出不同类型的绝缘内部缺陷【1l。由于变化率与电阻之 DS0——数字示波器;PDD——局放检测仪
间的关系复杂,难以用精确的数学模型表达,本文结合 图1局部放电实验线路图
神经网络算法和模糊算法的优点,构造了一种基于B样 1.1特征参数选择的数学描述及评价指标
条的模糊神经网络学习算法,并将其应用于变压器超高 特征参数的选择就是在已有的Ⅳ个特征参数麓(f-
频局部放电的模式识别中,取得了较好的效果。
1局部放电信号测量 以组成在某种准则函数_,意义下的最优特征子集。最优
局部放电信号的脉冲持续时间一般介于几十到几 化在所有可能的候选特征集X上进行,即:
百纳秒之间,其频带可达数GHz【3】,如仅考虑几百kHz珂%)=m弧(“斯)) (1)
到几MHz的频率分量,显然不能全面地反映局部放电 对于特征参数的选择,需要有判断评价的标准,即
的本质特征。采用超宽带测量方法恰好可以弥补这一缺 特征参数的评价指标。常用的评价指标包括【3】:
点。但超宽带测量很难获得放电频率、放电出现的相位
等信息,然而这些信息对于局部放电分析是很重要的。 敏感程度。通常选用灵敏度较高的特征参数作为模式识
窄带测量和超宽带测量各有优缺点,同时进行窄带和超 别的特征参数,即当放电模式发生变化时,能够引起特
宽带测量可以互相补充,更有助于对局部放电信号的检 征参数较大的变化。
测和识别。实验线路图如图1所示,通过数字示波器和 (2)稳定性指特征参数受测试条件(如采样频率、采
局放检测仪记录局部放电信号的脉冲波形及其统计特 样长度、信噪比、测试仪器的灵敏度等)和放电强弱等因
性,同时进行窄带和超宽带测量。 素影响的大小。一般情况下宜选取稳定性高的特征参数。
这里选用水电阻作为保护电阻。它在样品突然被击 (3)测试量和计算量较小的测试量和计算量有助于
穿时起限流作用,保护实验设备,也有助于抑制来自电源 降低监测费用和有利于对运行设备实现在线监测。
侧的干扰。水电阻阻值的选取必须合适,过大可能影响样 (4)识别率特征参数对模式的识别概率。识别率反
品上的电压,过小则起不到保护作用。信号直接从样品的 映了在采用该特征参数的情况下,模式之间的可分性,
接地端获取,可以减小信号在传播过程中的衰减。 因此识别率越大,其性能参数越好。
24 WWw.aetnet.Cn、)rwrw.aetnet.C0m.Cn
文档评论(0)