神經網絡在局部放電模式識別中的應用

[摘要]高壓電器絕緣缺陷容易引起局部放電，對局部放電屬性進行模式識別，可以找出產生局部放電的原因，從而可以預防事故的發生，本文結合以上內容分析小波神經網絡在局部放電模式識別中的應用，結果表明它能對局部放電模式進行有效識別。

[關鍵詞]局部放電 模式識別 神經網絡

一、概述

高壓電器中存在著如金屬突起、自由移動的金屬粒子、絕緣內部氣隙等形式的絕緣缺陷，這些絕緣缺陷將會在一定的條件下在高壓電器內部引起局部放電，從而引發事故，為此需要對高壓電器定時進行檢修維修，這樣必然會造成人力財力方面的浪費。解決的辦法就是利用局部放電的模式識別技術。模式識別理論誕生于20世紀60年代，70年代被首次應用于局部放電識別中。進入90年代，神經網絡理論開始應用于局部放電模式識別領域。

研究發現，局部放電信號雖然很微弱，但它卻包含有關絕緣的豐富信息。對局部放電進行模式識別，從而確定引起局部放電的絕緣缺陷類型，有利于電力系統中高壓電器運行狀態監測、預報和維護方案的確定。

對局部放電模式的識別關鍵是對局部放電信號的時域特征和頻域特征進行分析研究。但局部放電時頻特征量大，若要使模式識別率達到更高，就必須將這些無用的時頻特征從特征向量中剔除出去——模式分類器，模式分類器的質量直接影響到局部放電模式識別率。傳統模式分類器BP神經網絡，其識別率受隱層單元數目的影響大，如何選擇隱層單元數目卻沒有理論依據指導。小波神經網絡是小波變換和神經網絡相結合構造的一種新型網絡，它具有很高的網絡學習速度，能最大限度地對信號進行特征提取，對函數的逼近效果好。因此，小波神經網絡作為一種新型的模式分類器，在局部放電模式識別領域得到應用。

二、局部放電信號的采集

實踐證明不同電場分布導致的局部放電具有不同的表現形式。依據高壓電器運行過程發生局部放電故障統計數據，可以將局部放電形式歸納為極不均勻電場、不均勻電場和稍不均勻電場分布條件下，絕緣介質局部發生放電的表現。為此，作者制作尖對尖、尖對板、球對板三種局部放電模型，用以模擬上述三種不同電場分布情況下的局部放電。運用脈沖電流法采集局部放電信號，采集到的局部放電信號經由同軸傳輸線C1通過DSO-2902數據采集裝置直接輸送到計算機內指定存儲單元，由自行研制的局部放電數據采集軟件系統對計算機內的信號數據進行操作，如下圖所示。

三、局部放電模式識別特征

從原始信息得到特征通常需要經過復雜的非線性運算。很多實際問題中常常不容易找到那些最重要的特征，或受條件限制不能對它們進行采集和測量，使得如何生成特征成為構造模式識別系統最困難的任務之一。模式識別中，特征提取的任務就是根據具體模式識別任務從眾多特征中提取最優的特征，也就是提取那些在特征向量空間中類間距離大而類內方差小的特征。

常用的局部放電特征有：統計特征、圖像灰度矩特征和時頻特征。近年來，時頻分析作為一種有效的信號分析工具得到廣泛的應用，特別是對于處理具有時變頻譜的非平穩信號，具有獨特優勢。局部放電信號是非平穩信號，它包含長時低頻和短時高頻不同尺度的信號，對局部放電信號進行聯合時頻分析提取局部放電信號的時頻特征，既能把握信號時頻的全貌，又能使其局部特性得到很好的體現，更容易揭示局部放電的本質特征。

四、神經網絡在局部放電模式識別中的應用

若要對局部放電信號進行時頻分析，用一般的變換方法很難達到要求。傅立葉變換是一種純頻率變換，雖然具有最優的頻率分辨率，但它基本上不具有時間分辨能力，不能提供任何局部時間段上的頻率信息。短時傅立葉變換雖然具有一定的時頻分析能力，但它不能根據高、低頻信號的特點，自適應地調整時-頻窗，在時-頻局部化的精細方面和靈活方面表現欠佳。小波變換是一種多尺度分解的時頻變換，具有良好的時間域和頻率域局部化特性，是信號時頻分析的有效手段。

正交小波神經網絡是小波神經網絡的一個分支，它的基本思想是用小波元替代神經元，用已定位的小波函數替代Sigmoid函數作激勵函數，通過仿射變換建立起小波變換與網絡參數之間的聯系。它繼承了小波框架的優點，而且由于小波基函數的正交性，使得正交小波神經網絡對函數的逼近效果更好。

一維正交小波神經網絡結構為三層前饋型網絡，它包括一個輸入層，一個隱層，一個輸出層。輸入層單元為直通型，輸入層和隱層之間的連接權值為2M（M為小波分析中尺度函數的尺度）；隱層單元的激勵函數為尺度函數，相應隱層單元的閾值用尺度函數的平移量替代（隱層第k個單元的閾值為k），隱層和輸出層之間的連接權值可調；輸出層單元的激勵函數是求和函數。這樣，一維正交小波網絡可用數學式表示為：

由上式可以看出，當對正交小波神經網絡進行訓練時，其待定的參數只有隱層和輸出層之間的權值，待訓練參數少，所以正交小波神經網絡學習速度快。同時，對于正交小波神經網絡，當訓練樣本數N無窮增大時，網絡輸出將無限逼近網絡的期望輸出，即說明有較高的模式識別率。

綜上所述，正交小波神經網絡能對局部放電模式進行有效的識別，它在局部放電模式識別領域具有一定的普遍意義。

（作者單位:黑龍江建筑職業技術學院；黑龍江哈爾濱理工大學）