基于灰度图像分解局部放电特征提取和优化,该文是关于局部放电论文范文，为你的论文写作提供相关论文资料参考。
局部放电论文参考文献：
摘 要：提取有效的局部放电（PD）特征是输变电设备缺陷识别的前提.以局部放电灰度图像为分析对象,提出了基于二维主成分分析（2DPCA）的局部放电图像特征提取策略.算法通过2DPCA将PD灰度图像分解为多个一维向量,并对每个向量提取了9个特征参量,组成了PD图像分解特征集.同时,建立了基于粒子群优化（PSO）算法的PD特征选择算法,以优化PD图像分解特征,提升局部放电缺陷类型识别结果.对实验室考虑多因素影响的PD样本识别结果表明,2DPCA图像分解特征可以取得93%的PD缺陷识别率,经过PSO优化后的2DPCA特征可以将PD识别率提高至96%,并且特征维数由72降至28,充分说明方法的有效性.另外,对添加不同随机干扰的PD样本平均识别率均大于85%,表明2DPCA图像特征具有较好的抗随机干扰能力.
关键词：局部放电；模式识别；图像分解；特征提取；特征选择；模糊k近邻
中图分类号：TM 835
文献标志码：A
文章编号：1007-449X（2018）05-0025-10
Abstract：Effective features extraction of partial discharge （PD） is the foundation of defect identification of electrical apparatus. Using PD gray image as the analysis object, a PD image features extraction strategy was proposed based on twodimensional principal component analysis （2DPCA）. Various 1dimensional （1D） vectors were obtained by implementing 2DPCA on PD gray images in the proposed method. 9 characteristic parameters were extracted from each 1D vector, which constituted the PD image decomposition features. In addition, a PD features selection algorithm was developed based on particle swarm optimization （PSO） algorithm, which attempts to optimize the extracted PD image decomposition features and improve the PD recognition accuracy. The recognition results of PD samples considering the multifactor influences in laboratory illustrate that the proposed 2DPCA image decomposition features can achieve the high PD recognition accuracy of 93%. Besides, the PSO optimized 2DPCA features can further improve the PD recognition accuracy to 96% and simultaneously reduce the feature dimension from 72 to 28, which fully demonstrates effectiveness of the proposed algorithm. Moreover, the average recognition accuracies of PD samples added with different random noises are all higher than 85%, which indicates that 2DPCA image features possess good tolerance ability of random noises.
Keywords：partial discharge； pattern recognition； image decomposition； feature extraction； feature selection； fuzzy knearest neighbor
0 引 言
局部放電（partial discharge,PD）是导致变压器油纸绝缘劣化的主要原因之一[1].变压器在生产、运输和安装过程中不可避免地出现潜伏性缺陷,并在长期运行中逐渐扩大,当电场畸变严重时会产生局部放电.随着输电电压等级和容量的不断提高,局部放电监测和分析成为电力变压器状态评估中最重要的技术手段[2-3].
近年来,国内外在电气设备局部放电的特征提取识别方面开展了大量的研究工作.基于最常用的时间分布和相位分布,形成了多种具有代表性的局部放电特征,包括统计特征[4]、Weibull参数[5]、小波系数[6]、图像分形特征[7]、波形特征[8]等.同时,基于机器学习的分类技术被广泛应用于局部放电诊断中,如模糊C-均值聚类[9]、距离分类器[10]、模糊逻辑分类器[11]、人工神经网络[12]和支持向量机[13]等.和分类器相比,局部放电特征的优劣直接决定了PD识别结果的准确性.若提取的特征难以真实反映不同类型局部放电之间的区别,那么采用任何一个分类器也难以进行有效识别.相反,采用鉴别力强的PD特征结合最简单的线性分类器则可以取得较好的识别结果[14].因此,特征提取是局部放电分析和诊断研究中最重要的部分.
结论：适合局部放电论文写作的大学硕士及相关本科毕业论文，相关局部放电测试开题报告范文和学术职称论文参考文献下载。
模拟电路内建自测试故障特征提取和优化
摘 要：电子装备当中的模拟电路内建自测试的自动测试矢量在生成的时候需要运用数模和模数转换器，可以运用模数和模数转换器就会增加硬件电路的面积。而且。
交联聚乙烯电力电缆电树枝化试验其局部放电特征分析
摘 要：交联聚乙烯电力电缆在长期的使用过程中不可避免会出现的一个问题就是电树枝化，在很大程度上影响了交联聚乙烯电力电缆的使用寿命。为了有效解决电。
变压器局部放电试验问题处理建议
摘 要：局部放电试验是检测变压器绝缘性能的重要试验之一，其目的是及时发现变压器绝缘结构及制造工艺中的缺陷问题，并加以消除，从而避免在运行过程中因。
高压电缆局部放电远程在线监测系统应用
摘 要：局部放电测试技术对高压电缆尤其是电缆附件的绝缘检查是非常有效的方法。本文介绍了高压电缆局部放电远程在线监测系统的作用和组成，及其在实际现。