基于支持向量数据描述的局部放电类型识别研究

摘要

由于电力设备内部绝缘缺陷发展往往会因环境条件的改变而变化，加之采集到的局部放电(PD)数据具有分散性和复杂性，导致了传统绝缘故障识别方法效果不佳。为此，作者提出了一种用于GIS设备PD类型识别的支持向量数据描述方法（SVDD），并借鉴支持向量机(SVM)方法中最大化“间隔”的思想，建立了一种优化的支持向量数据描述算法(OR-SVDD)，同时采用多分类方法中的“一对多”原理，用以解决对传统绝缘故障出现的识别率低、误识别、漏识别以及识别时间长等问题。通过仿真与实验结果表明，OR-SVDD能够对所有的数据进行正确描述，自动辨识拒识对象，训练时间低于传统的SVM，并具有较高的识别率，在电力设备在线监测与局部放电模式识别领域有良好的应用前景。