基于小波神经网络的局部放电模式识别方法研究
伴随电力行业的快速发展和电压等级不断的提高，无论从安全可靠性还是运行成本角度考虑，高压电气设备绝缘状态监测和故障识别预报都是至关重要的。局部放电水平是评估高压电气绝缘状态的重要技术指标之一，而其模式不仅能反映电气设备即时绝缘状态和属性，也可以预测电气设备绝缘的剩余寿命。因此，基于小波神经网络的局部放电模式识别技术研究具有较高的学术价值和实际意义。 本文构建了基于Morlet小波神经网络，运用Matlab工具实现小波神经网络局部放电模式识别。论文详细阐述了Morlet小波神经网络结构、学习训练以及计算算法原理，并深入探讨了网络结构、输入向量、激励函数和学习率等参数对网络识别分类效果的影响。 为验证相关算法设想，构建了五种不同类型电极模型，模拟不同电场分布条件下的局部放电模式，利用DDX-7000局部放电检测仪采集其局部放电信息。 依据特征量可分性的准则，通过对五种不同类型电极放电模式指纹图谱数据分析，选择并确定其模式特征量，对不同结构的Morlet小波神经网络进行学习训练，筛选出最佳的输入特征量和网络结构。并且分别与BP和RBF神经网络进行了对比，结果证明小波神经网络模式识别效果优于BP和RBF神经网络。同时也验证了局部放电指纹图谱模式特征量选择、小波神经网络结构、网络参数和迭代算法是影响网络识别率的关键。 本论文的研究工作证明了Morlet小波神经网络在局部放电模式识别技术上具有显著的优点，为小波神经网络应用于局部放电模式识别领域提供了理论依据和技术支持。
局部放电;模式识别;小波神经网络;指纹图谱;特征提取;绝缘状态
哈尔滨理工大学
硕士
电力系统及其自动化
郑殿春
2015
中文
TM854
63
2016-01-29（万方平台首次上网日期，不代表论文的发表时间）