基于统计特征参数与相关向量机的变压器局部放电类型识别

被引：7

作者：

尚海昆

苑津莎

王瑜

靳松

机构：

[1] 华北电力大学电气与电子工程学院

来源：

电测与仪表 | 2014年 / 05期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

统计参数; 相关向量机; 变压器; 局部放电; 识别;

D O I：

暂无

中图分类号：

TM855.1 [];

学科分类号：

080803 ;

摘要：

针对传统的局部放电模式分类器存在的不足,提出了一种基于统计特征参数与相关向量机(RVM)的变压器局部放电类型识别的新方法。首先针对4种变压器局部放电实验模型的二维图谱提取出表征图谱特征的16个统计参数,然后设计一对一RVM多分类模型,将统计参数作为输入向量送入RVM分类模型,实现放电类型识别。测试结果表明,RVM分类器具有较好的放电识别效果,与支持向量机(SVM)相比具有计算复杂度低、相关向量少、训练及测试时间短等优点,两者识别精度相当,均高于BPNN。

引用

收藏

页码：15 / 20

页数：6

相关论文

共 15 条

[1] 基于RVM与ARMA误差校正的短期风速预测 [J].

孙国强 ;

卫志农 ;

翟玮星 .

电工技术学报, 2012, 27 (08) :187-193

[2] 相关向量机及其在变压器故障诊断中的应用 [J].

尹金良 ;

朱永利 ;

俞国勤 .

电力自动化设备, 2012, 32 (08) :130-134

[3] 基于分形特征的最小二乘支持向量机局部放电模式识别 [J].

任先文 ;

薛雷 ;

宋阳 ;

郭丹丹 ;

沈重 .

电力系统保护与控制, 2011, 39 (14) :143-147

[4] 基于支持向量机和多源信息的直驱风力发电机组故障诊断 [J].

安学利 ;

赵明浩 ;

蒋东翔 ;

李少华 .

电网技术, 2011, 35 (04) :117-122

[5] 采用分形和支持向量机的气体绝缘组合电器局部放电类型识别 [J].

弓艳朋 ;

刘有为 ;

吴立远 .

电网技术, 2011, 35 (03) :135-139

[6] 基于BP神经网络的电网短期负荷预测模型研究 [J].

周英 ;

尹邦德 ;

任铃 ;

边雪芬 .

电测与仪表, 2011, 48 (02) :68-71

[7] 小波包变换和广义形态滤波器在局部放电检测中的应用 [J].

解东光 ;

薛雷 ;

任先文 ;

宋阳 ;

沈重 ;

郭丹丹 .

电测与仪表, 2011, 48 (02) :6-9

[8] 基于SVM和RVM的信号调制分类研究 [J].

周欣 ;

吴瑛 .

通信学报, 2010, 31(S1) (S1) :94-99

[9] 应用多分类多核学习支持向量机的变压器故障诊断方法 [J].

郭创新 ;

朱承治 ;

张琳 ;

彭明伟 ;

刘毅 .

中国电机工程学报, 2010, 30 (13) :128-134

[10] 统计参数在变压器局部放电模式识别中的应用 [J].

胡文堂 ;

高胜友 ;

余绍峰 ;

谈克雄 ;

高文胜 .

高电压技术, 2009, 35 (02) :277-281