基于FrFT和RVM的变压器局部放电模式识别
文档名：基于FrFT和RVM的变压器局部放电模式识别
摘要：快速准确识别局部放电类型对于保证变压器安全稳定运行具有重要意义.针对局部放电信号模式识别中面临的最优特征参数提取和分类器设计难题,提出一种基于分数阶傅里叶变换(fractionalFouriertransform,FrFT)和相关向量机(relevancevectormachine,RVM)的局部放电模式识别方法.首先将FrFT引入局部放电信号分析领域,利用FrFT将局部放电信号转换至分数域并对其进行多尺度分析,在扩充信息提取维度的同时,提取可反映不同局部放电信号波形差异的14维特征构成特征向量;然后将特征向量作为输入,建立RVM模型进行最优特征选择和分类判决函数的联合优化,从而实现对不同局部放电信号的分类识别.建立电晕放电、沿面放电和气隙放电试验模型并采集局部放电超声信号开展试验,结果表明所提方法对于每种局部放电信号均能获得较高的识别精度,平均正确识别率相对于常规支持向量机(supportvectormachine,SVM)分类方法提升超过2.7%.
Abstract：Rapidandaccurateidentificationofpartialdischarge(PD)typesisofgreatsignificanceforensuringthesafeandstableoperationoftransformers.ThispaperproposesaPDpatternrecognitionmethodbasedonfractionalFouriertransform(FrFT)andcorrelationvectormachine(RVM)toaddresstheproblemoffeatureselectionandclassifierdesigninPDsignalpatternrecognition.Firstly,itintroducesFrFTintothefieldofPDsignalanalysis,whichisusedtotransformPDsignalsintofractionaldomainsformulti-scaleanalysis.Atthesameofexpandinginformationextractiondimensions,afeaturevectorconsistingof14featuresthatcandescribethewaveformdifferencesofPDsignalscorrespondingtodifferentdischargetypesisextracted.Then,thefeaturevectorisusedastheinputtoestablishanRVMclassificationmodelforjointoptimizationoffeatureselectionandclassificationdecisionfunctions,soastoachieveoptimalfeatureselectionwhileobtainingoptimalpatternrecognitionresults.Finally,thepaperestablishesexperimentalmodelsforcoronadischarge,surfacedischarge,andairgapdischarge,andcollectsPDultrasoundsignalsfortesting.Theresultsindicatethattheproposedmethodcanachievehighrecognitionaccuracy.Underthesameconditions,comparedtotheconventionalsupportvectormachine(SVM),thepromotionofaveragecorrectrecognitionrateofthismethodexceedsover2.7%.
作者：杨新志李利华陈锋赵国汉雷秉惠Author：YANGXinzhiLILihuaCHENGFengZHAOGuohanLEIBinghui
作者单位：中国长江电力股份有限公司白鹤滩水力发电厂,四川凉山615000
刊名：广东电力 ISTICPKU
Journal：GuangdongElectricPower
年，卷(期)：2024, 37(6)
分类号：TM885.1
关键词：局部放电模式识别特征提取特征选择分数阶傅里叶变换
Keywords：partialdischargepatternrecognitionfeatureextractionfeatureselectionfractionalFouriertransform(FrFT)
机标分类号：TM41TM855TM933
在线出版日期：2024年7月19日
基金项目：国家自然科学基金基于FrFT和RVM的变压器局部放电模式识别[
期刊论文]广东电力--2024, 37(6)杨新志李利华陈锋赵国汉雷秉惠快速准确识别局部放电类型对于保证变压器安全稳定运行具有重要意义.针对局部放电信号模式识别中面临的最优特征参数提取和分类器设计难题,提出一种基于分数阶傅里叶变换(fractionalFouriertransform,FrFT)和相关向量...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于FrFT和RVM的变压器局部放电模式识别Partial Discharge Pattern Recognition Based on FrFT Combined RVM
基于FrFT和RVM的变压器局部放电模式识别.pdf
页:
[1]