| 王利福,刘屹江泽,王燚增.基于 EEMD 能量矩与 ISSA-SVM 算法的
GIS 局部放电类型识别方法[J].电子测量与仪器学报,2022,36(5):204-212 |
| 基于 EEMD 能量矩与 ISSA-SVM 算法的
GIS 局部放电类型识别方法 |
| Partial discharge identification method in GIS based onEEMD energy moment and ISSA-SVM algorithm |
| |
| DOI： |
| 中文关键词: 气体绝缘开关组合电器 局部放电 集合模态分解 改进麻雀群搜索算法优化支持向量机(ISSA-SVM) |
| 英文关键词:gas insulated switchgear (GIS) partial discharge ensemble empirical mode decomposition ( EEMD) improved sparrow
search algorithm-support vector machines(ISSA-SVM) |
| 基金项目:2019年省自然科学基金指导项目（2019 ZD 0039）、2019年辽宁省重点研发计划指导计划项目（2019JH8/10100050）资助 |
|
|
|
|
| 摘要点击次数: 505 |
| 全文下载次数: 614 |
| 中文摘要: |
| 为有效识别气体绝缘开关组合电器(gas insulated switchgear, GIS)局部放电( partial discharge, PD)类型,进而保障设备
安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition, EEMD)联合能量矩与改进麻雀群搜索算
法优化支持向量机(improved sparrow search algorithm-support vector machines, ISSA-SVM)算法的 GIS 局部放电类型识别方法。
首先搭建能产生 4 种局部放电类型效果的 GIS 局部放电实验平台,以获取 4 种局部放电信号,然后利用 EEMD 联合能量矩算法
分别对 4 种局部放电信号进行模态分解与特征向量提取,最后利用经 ISSA 算法优化后的 SVM 算法对 GIS 局部放电类型进行
识别。 实验结果表明,所提方法可有效识别 GIS 不同局部放电类型,且较 PSO-SVM 与 SSA-SVM 算法识别精度分别提高了
16. 7%与 8. 5%,验证了所提 GIS 局部放电类型识别方法的有效性以及优越性。 |
| 英文摘要: |
| In order to identify PD types in GIS effectively and ensure the safe and stable operation of equipment, a PD type in GIS
identification method based on EEMD energy moment and ISSA-SVM algorithm is proposed. Firstly, a GIS partial discharge experiment
platform that can produce four PD effects is built to obtain four PD signals. Then, EEMD and energy moment are used to decompose the
modes and extract the feature vectors of the four PD signals. Finally, ISSA-SVM algorithm is used to identify GIS PD types. Experiment
results show that the proposed method can identify different PD types in GIS effectively, and the recognition accuracy is improved by
16. 7% and 8. 5% respectively compared with PSO-SVM and SSA-SVM algorithm. The effectiveness and superiority of the proposed PD
type identification method in GIS are verified by the experiment. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
