基于支持向量数据描述的局部放电类型识别

摘要：

电力设备内部绝缘缺陷发展往往会因环境条件的改变而变化,加之采集到的局部放电(PD)数据具有分散性和复杂性,导致传统绝缘故障识别方法效果不佳.为此,提出了一种用于气体绝缘组合电器(GIS)设备PD类型识别的支持向量数据描述(SVDD)算法.借鉴支持向量机(SVM)算法中最大化“间隔”的思想,建立了这种优化的支持向量数据描述(OR-SVDD)算法.该算法采用多分类方法中的“一对多”原理,用以解决对传统绝缘故障出现的识别率低、误识别、漏识别以及识别时间长等问题.通过仿真与实验结果表明,OR-SVDD算法能够对所有的数据进行正确描述,自动辨识拒识对象,训练时间低于传统的SVM算法,并具有较高的识别率,在电力设备在线监测与局部放电模式识别领域有良好的应用前景.

关键词：局部放电、支持向量机、SVM、支持向量数据描述、SVDD、拒识、模式识别

所属期刊栏目：39

分类号：TP3;TH1

资助基金：国家重点基础研究发展计划973计划2009CB724506;国家自然科学基金5177181;National Basic Research Program of China973Program2009CB724506;National Natural Science Foundation of China5177181

在线出版日期：2013-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1046-1053