文献类型：期刊文章

作　　者：李君科[1] 李明江[1] 李德光[2]

LI Junke;LI Mingjiang;LI Deguang(College of Computer and Information,Qiannan Normal University for Nationalities,Duyun 558000,Guizhou,China;College of Information Technology,Luoyang Normal University,Luoyang 471934,Henan,China)

机构地区：[1]黔南民族师范学院计算机与信息学院,贵州都匀558000 [2]洛阳师范学院信息技术学院,河南洛阳471934

出　　处：《电气传动》

基　　金：国家自然科学基金(61802162);贵州省科技厅自然科学基金重点资助项目([2019]1447);贵州省教育厅自然科学基金([2019]071)。

年　　份：2021

卷　　号：51

期　　号：15

起止页码：45-52

语　　种：中文

收录情况：JST、UPD、ZGKJHX、普通刊

摘　　要：气体绝缘开关设备(GIS)因绝缘缺陷引起的局部放电特性具有复杂性和分散性,其特征量的选取易产生数据的丢失和冗余,导致故障类型的识别效果不佳。据此,提出了采用线性判别分析(LDA)方法和遗传算法优化概率神经网络结合的局部放电模式识别方法。通过GIS局部放电实验平台模拟了5类典型的GIS局部放电模型,并建立相应的超高频图谱,提取了相关的特征参量;经过线性判别分析降维得到低维的样本空间,并送入到遗传算法优化后的概率神经网络中进行模式识别;分别采用BP神经网络、SVM、概率神经网络、优化概率神经网络4种分类器进行模式识别,实验结果表明,样本空间经过LDA降维,并经过遗传算法优化概率神经网络进行模式识别,具有较优的识别效果和识别时长。

关 键 词：气体绝缘开关设备 局部放电 模式识别 线性判别分析 遗传算法  概率神经网络

分 类 号：TM933]