10.13336/j.1003-6520.hve.20211249
基于神经网络的D-S多信息融合GIL局部放电联合识别方法
为提高气体绝缘输电线路(gas insulated transmission line,GIL)典型缺陷局部放电故障识别率,提出了一种基于神经网络的D-S多信息融合的GIL典型缺陷局部放电联合识别方法,该方法基于GIL典型缺陷局部放电的超声信号、特高频信号、声-电(超声-特高频)联合信号,构造对应的Hankel矩阵并提取其奇异值特征,采用BP神经网络进行放电类型识别;将该初步识别结果作为证据体基于D-S证据合成法则计算信度分配,最终利用决策规则进行放电类型的识别.研究结果表明:采用BP神经网络的识别方法,基于特高频信号、超声信号和声-电联合信号的典型缺陷的总识别率分别为85%、75%、97%;在此基础上,基于D-S多信息融合的典型缺陷GIL局放识别方法可将整体识别率提升至99%以上.
气体绝缘输电线路、局部放电、神经网络、D-S多信息融合、联合识别
48
TM855;TP391.41;TM715
南方电网超高压科技项目CGYKJXM20180104
2023-02-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
4925-4932