电力工业论文_基于LMD和LSTM的盆式绝缘子典型 - 高电压技术杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 高电压技术

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

电力工业论文_基于LMD和LSTM的盆式绝缘子典型

作者:

关键词:

摘要：

文章目录

0 引言

1 基于局部均值分解的局部放电特征提取

1.1 局部均值分解方法的基本原理

1)确定原信号X(t)的局部极值点，计算相邻两个极值点的平均值以及包络估计值。

2)从原信号X(t)中减去局部均值函数m11(t), 再除以包络估计函数a11(t)对h11(t)解调。

3)将s11(t)作为原始数据重复步骤1)、2)中的迭代过程，即：

4)最终原信号X(t)将被分解为k个PF分量与残余分量uk(t)之和，如式(6)所示。

1.2 成对高斯白噪声辅助的自适应分解

1.3 基于LMD的局部放电特征提取

2 基于LSTM的局部放电识别方法

2.1 LSTM的基本结构

2.2 基于LSTM的局部放电识别模型

3 盆式绝缘子典型缺陷局部放电实验

3.1 盆式绝缘子局部放电模型

3.2 盆式绝缘子局部放电实验平台

4 数据处理与和识别结果分析

4.1 局部放电信号的预处理

4.2 局部放电信号的分解与特征提取

4.3 局部放电的分类识别结果

5 结论

文章摘要:盆式绝缘子是气体绝缘组合电器（gas insulated switchgear, GIS）中的重要绝缘部件,准确地识别其不同缺陷的局部放电信号对保障GIS长时间安全稳定运行具有重要意义。本文提出一种基于局部均值分解（local mean decomposition, LMD）和长短期记忆神经网络（long short-term memory, LSTM）的盆式绝缘子局部放电分类识别方法。首先使用成对高斯白噪声辅助的LMD方法对局部放电信号进行分解,再对分解得到的分量进行分割,提取每个片段的能量占比、Renyi熵和赫斯特指数形成特征矩阵,最后将特征矩阵输入LSTM中进行训练和分类识别。在实验室中建立了模拟实际工况的盆式绝缘子局部放电实验平台,采集了4种不同缺陷的局部放电信号进行分析处理,结果表明:所提方法能够有效识别盆式绝缘子不同缺陷的局部放电信号,经LMD分解后提取的特征参数能有效表征局放信号不同频带内的特性,识别正确率明显高于不经过LMD分解直接进行特征提取的情况。

文章关键词:

论文DOI:10.13648/j.cnki.issn1674-0629.2021.08.012

论文分类号:TM216;TM855

文章来源：《高电压技术》网址: http://www.gdyjszzs.cn/qikandaodu/2021/1013/719.html