高佳程 朱永利 賈亞飛 鄭艷艷 劉 帥
DOI: 10.19595/j.cnki.1000-6753.tces.180089
1 導語
對局部放電(PD)的類型進行識別以便進一步研究電氣設備內部的絕緣情況,是電氣設備狀態評估中的重要內容。為了解決局部放電類型未知的樣本無法被正確識別的問題,本文提出了一種基于改進變量支持向量數據描述(SVDD)和馬氏距離的未知局部放電類型的模式識別方法。
2 研究背景
隨著電網電壓等級和輸電容量的不斷增大,特高壓輸變電裝備絕緣可靠性的要求也越來越嚴格。電力設備內部絕緣劣化的機理不同,引起的局部放電類型也不同。而不同的局部放電類型對設備絕緣造成的損害程度不同。因此,進行局部放電類型的模式識別已經成為了一次設備狀態評估方面的重要組成部分。
3 論文所解決的問題及意義
目前,現有的模式識別方法大都它們只能識別出樣本庫中已有的放電類型,當有新類別的放電樣本出現時,將會產生錯誤的分類結果。而在實際的工程應用中,電力設備故障復雜多樣,已有的訓練樣本庫中不可能包含所有放電類型,必然存在一定的疏漏,而構建絕對完備的樣本庫工作量巨大,并不可行。因此,對未知的放電類型進行準確分類,對于電氣設備局部放電診斷研究具有重要意義。
4 論文的方法及創新點
本文所提出的識別方法中,首先利用SVDD算法對已知類型的放電樣本進行訓練,獲得訓練樣本的超球體中心a、超球體半徑R以及各類已知類別放電樣本的球心ai;其次,利用Otsu準則的雙閾值判定方法,根據求解出的閾值R1、R2重新劃分樣本超平面,并設置不同區域內的判定準則;最后,依據各區域內的判定準則,利用基于Mahalanobis距離的分析方法對待測放電樣本進行識別和分類。
5 結論
1) 本文提出了一種基于改進 SVDD 和馬氏距離的未知局放類型的識別方法。為驗證所提出識別方法的有效性,本文對實驗環境下實測放電樣本進行識別并將識別結果與傳統 SVDD 算法進行對比,結果表明本文提出的方法具有較高的識別率。
2) 利用待測樣本到各類型放電中心的馬氏距離作為判定樣本放電類型的依據,結果表明,相較于歐式距離的判定方法具有更好的識別效果。
3) 依據 Otsu 準則設置雙閾值識別待測樣本的放電類型,為 SVDD 算法中閾值的確定提供了一個新的思路。
本文引用
高佳程, 朱永利, 賈亞飛, 鄭艷艷, 劉帥. 基于改進SVDD算法與馬氏距離的未知局部放電類型的識別[J]. 電工技術學報, 2018, 33(15): 3510-3517.
Gao Jiacheng, Zhu Yongli, Jia Yafei, Zheng Yanyan, Liu Shuai. Pattern Recognition of Unknown Types of Partial Discharge Based on Improved SVDD Algorithm and Mahalanobis Distance[J]. Transactions of China Electrotechnical Society, 2018, 33(15): 3510-3517.
作 者 簡 介
朱永利 男,1963年生,博士,華北電力大學教授,博士生導師,河北冀州人,主要研究方向為人工智能方法在電力系統中的應用,輸變電設備網絡化監測與信息分析處理等。1992年破格晉升為副教授,1996年破格晉升為教授,1998年被評為博士生導師。獲全國優秀留學回國人員(1997),國務院政府特殊津貼(2001)、教育部首批新世紀優秀人才(2004)。曾作為聯合培養博士生在英國女王大學學習,以訪問學者身份在加拿大薩斯可徹溫大學、卡爾加里大學電氣與計算機工程系從事研究工作,并曾在美國 EDSA 電力應用軟件公司工作。現任中國計算機學會高級會員、河北省計算機學會副理事長、河北省人工智能學會副理事長、IEEE 會員。主持國家自然科學基金項目4項、省部級科技項目2項和電力企業科技項目等30余項。獲省部級科研成果獎勵4項。作為主編或副主編正式出版普通高等教育規劃教材3部(其中《發電廠電氣部分》為“十二五”國家級規劃教材)。發表學術論文300余篇,SCI/EI收錄近100篇,其中3篇為第1作者身份的國際頂尖期刊IEEE Transactions論文。
高佳程 男,1993年生,碩士研究生,河北高陽人,主要研究方向為高壓電氣設備局部放電信號分析和故障診斷;