局部放电脉冲形波的自回归模型参数识别法.pdfVIP

年 月 高 电压 技 术 第 卷第 期 2001 6 27 3 1 著作与研究 局部放电脉冲形波的自回归模型参数识别法 AR Model Parameters Method for PD Pattern Recognition Based on Pulse Waveforms 清华大学 电机系 北京( 100084) 王 猛 谈克雄 高文胜 东北电力集团公司 沈阳( 110006) 吴成琦 摘 要 介绍了基于自回归(Antoregression,简称 AR)模 ns[6]0 采用双通道数字式实时采样示波器采集脉冲 型理论对局部放电脉冲波形进行特征提取的方法 以 模 0 AR 信号,示波器的最大模拟带宽为 100 MHZ,最大采 型参数作为波形特征量 利用前馈神经网络对放电模式进行, 样频率为 1GHZ0试验在 15~20C正常大气压力下 了识别比较 并分析了影响识别效果的各种因素 研究结果 , 0 进行 实验研究了下面 种放电的脉冲电流波形 0 3 0 表明,以AR 模型系数作为特征向量进行局部放电模式识别 D 空气中尖尖放电 是有成效的0在AR 模型的基础上结合波形的其它特征能进 一步提高放电的识别率 在放电起始阶段 电流脉冲具有单峰波形 持续, , 0 时间为 300~400 0 随着施加电压的升高 电流脉, Abstract The feature extracting method based on AR mod- ns 冲出现次峰 且次峰会逐渐超出首峰 波形逐渐变得 el used for partial discharge pulse Waveform is introduced in , 0 this paper Taking these AR model parameters as Waveform. 不规则 在放电发生击穿之前 会出现 预放电 脉 0 , features the discharge patterns Were discriminated by using, 冲 同时放电波形显著增长到, 2 000~3000 0尖尖 ns the BP neural netWork The recognition effects and some. 放电典型脉冲波形见图10 factors influencing the recognition effect Were investigated. The results shoW that as characteristic vector the ARmodel parameters appears to be useful for discharge pattern recog- nition