基于小波神經網絡的局部放電模式識別方法研究.pdf

1、伴隨電力行業(yè)的快速發(fā)展和電壓等級不斷的提高，無論從安全可靠性還是運行成本角度考慮，高壓電氣設備絕緣狀態(tài)監(jiān)測和故障識別預報都是至關重要的。局部放電水平是評估高壓電氣絕緣狀態(tài)的重要技術指標之一，而其模式不僅能反映電氣設備即時絕緣狀態(tài)和屬性，也可以預測電氣設備絕緣的剩余壽命。因此，基于小波神經網絡的局部放電模式識別技術研究具有較高的學術價值和實際意義。
　　本文構建了基于Morlet小波神經網絡，運用Matlab工具實現(xiàn)小波神經網絡局部

2、放電模式識別。論文詳細闡述了Morlet小波神經網絡結構、學習訓練以及計算算法原理，并深入探討了網絡結構、輸入向量、激勵函數和學習率等參數對網絡識別分類效果的影響。
　　為驗證相關算法設想，構建了五種不同類型電極模型，模擬不同電場分布條件下的局部放電模式，利用DDX-7000局部放電檢測儀采集其局部放電信息。
　　依據特征量可分性的準則，通過對五種不同類型電極放電模式指紋圖譜數據分析，選擇并確定其模式特征量，對不同結構的Mo