电网技术

2016, v.40;No.395(10) 3272-3278

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

用于局部放电模式识别的深度置信网络方法
Research of Partial Discharge Recognition Based on Deep Belief Nets

张新伯;唐炬;潘成;张晓星;金淼;杨东;郑建;汪挺;

摘要(Abstract):

气体绝缘电器(gas insulated switchgear,GIS)内部绝缘缺陷产生的局部放电(partial discharge,PD),特征表现较复杂,分散性大,易受运行环境影响,而基于PD统计特征模式识别的传统方法,特征量选取主观性较强,且容易丢失部分特征信息,尤其对自由金属微粒类型缺陷识别率较低。因此,提出了一种基于深度置信网络(deep belief nets,DBN)的GIS设备内部PD模式识别方法,DBN能从数据中自主学习出高阶特征,避免了特征量选取的主观影响,能较好识别自由金属微粒类型缺陷,且识别用时远低于支持向量机(support vector machine,SVM)和BP神经网络(back propagation neural networks,BPNN)算法,作为对GIS设备PD模式识别的新方法具有一定的实用价值。

关键词(KeyWords): 气体绝缘电器;局部放电;深度置信网络;模式识别;识别准确率

Abstract:

Keywords:

基金项目(Foundation): 国家863高技术基金项目(2015 AA050204)~~

作者(Author): 张新伯;唐炬;潘成;张晓星;金淼;杨东;郑建;汪挺;

Email:

DOI: 10.13335/j.1000-3673.pst.2016.10.048

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享