基于神经网络和证据理论的局部放电多特征融合识别

。 单一的特征提取方式易导致信息提取
不全 ， 而将所有信 息 统 一 起 来 作 为 识 别 系 统 的 输 入， 又会导致输入特征维数过高 ， 分类器训练和收 敛困难 。 因此 ， 为提高识别的准确率 、 降低分类器 特征输入的维数 ， 提高识别系统的性能 ， 有必要设 计一个多分 类 器 并 行 识 别 、 决 策 融 合 系 统。神 经 将其应用于 Ｐ 网络具有很强的非线性处理能力 ， Ｄ 识别过程能有效地解决从特征参数空间到故障空 本文将神经网络输出 间的复杂映 射 问 题 。 鉴 此 ， 转化证据理论的基本概率赋值 （ 与证据理论 Ｂ Ｐ Ａ） 有效组合 ， 建立了 Ｐ 通过 Ｄ 多特征融合识别系 统 ， 模拟四种典型绝缘 缺 陷 下 Ｐ Ｄ 所 采 集 的 ＵＨＦ 信 对识别系统的性能进行了分析和比较 ， 验证了 号， 系统的性能 。
Ｖ ｏ ｌ ． ３ ０Ｎ ｏ ． １ １ Ｎ ｏ ｖ ． ２ ０ １ ２
基于神经网络和证据理论的局部放电多特征融合识别
杨 洪１， 古世甫１， 谭 乐２
（ ） １．西华大学 电气信息学院 ，四川 成都 ６ １ ０ ０ ３ ９； ２．广东电网 深圳供电局 广东 深圳 ５ １ ８ ０ ０ １ 摘要 ：针对超高频法信号的特征提取问题 ， 提出了 一 种 利 用 Ｂ Ｐ神经网络和 Ｄ Ｓ证据理论融合决策的变压器 绝缘缺陷识别方法 ， 先将输入信号按不同的信号分析理论 ， 计算生成四组特 征 子 集 ； 利用 Ｂ Ｐ神经网络分别在 四组特征子集上建立特征空间到故障空间的映射关系 ； 再以 Ｄ Ｓ 证据理论对各神 经 网 络 系 统 的 决 策 信 息 进 行 融合 ， 获得变压器故障的决策结论 。 通过实验室模拟四 种 典 型 绝 缘 缺 陷 下 的 局 部 放 电 信 号 ， 证明了该系统在 识别率和泛化能力方面的优势 。 关键词 ：局部放电 ； 变压器 ； 绝缘缺陷 ； 模式识别 ； 神经网络 ； 证据理论 ； 信息融合 中图分类号 ： ＴＭ ８ ３ ５ 文献标志码 ：Ａ
第 ３ ０卷 第１ １期 ２ ０ １ ２年１ １月 （ ） 文章编号 ： １ ０ ０ ０ ７ ７ ０ ９ ２ ０ １ ２ １ １ ０ １ ８ ４ ０ ５ － － －
水 电 能 源 科 学 Ｗ ａ ｔ ｅ ｒ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ｐ ｏ ｗ ｅ ｒ
第３ ０ 卷第 １ １期
杨 洪等 ： 基于神经网络和证据理论的局部放电多特征融合识别
·１ ８ ５·ຫໍສະໝຸດ （ ） ； （ ） 因此输出层的传递函数选择ｌ 的 ｏ ｓ ｉ ｔ ａ ｎ ｓ ｉ ｇ ｇ ｇ ， ） 输出范 围 为 （ 比ｌ 非 饱 和 区 大， 它 －１， １） ｏ ｓ ｉ ｇ ｇ（ 不仅能将输出限 制 在 较 小 的 范 围 ， 还有利于加快 ） 收敛 速 度 ， 因 此 选 择ｔ 作为隐含层的传递 ａ ｎ ｓ ｉ ｇ（ 函数 。 两种传 递 函 数 的 示 意 图 见 图 ２。 此 外 ， 网
， 收稿日期 ： 修回日期 ： ２ ０ １ ２ ０ ２ ２ １ ２ ０ １ ２ ０ ４ １ ６ － － － －
图 １ Ｂ Ｐ 神经网络结构 Ｆ ｉ １ Ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ ｏ ｆ Ｂ Ｐ Ａ Ｎ Ｎ ｇ．
， ： ＿ 作者简介 ：杨洪 （ 男， 讲师 ， 研究方向为智能控制技术及应用 、 电力设备故障在线检测与诊断 ， １ ９ ７ ２ Ｅ－ｍ ａ ｉ ｌ ｃ ｈ ｎ ｔ ａ ｏ －） ６ ３． ｃ ｏ ｍ ＠１
是引起电力变压器绝缘劣化 Ｐ Ｄ） 局部放电 （ 的主要原因之一 ， 又是表征变压器绝缘状态的重 要特征 。 不同类型的 Ｐ Ｄ 引起绝缘劣化的 机 理 不 同
［ １］
１ 理论基础
１． １ Ｂ Ｐ 神经网络
［］ 是一种典型的多 层 Ｂ Ｐ 神经网络 ８ （ Ｂ Ｐ ＡＮＮ）
， 其危害程度也不同 ， 对变 压 器 中 Ｐ Ｄ 的检测
式（ 即为 Ｄ 是Ｄ ２） ｅ ｍ ｓ ｔ ｅ ｒ合 成 法 则， Ｓ证据 ｐ 理论的核心 ， 满足交换律和结合律 ， 由它可将若干 条独立的证据结合起来 。
２ 多特征融合决策
２． １ 模型的构建 对 ＵＨＦ 传感器采集的 Ｐ 利用不同的 Ｄ 信息 ， 信号分析方法将特征参数空间划分为若干个子参 分别以子 空 间 的 特 征 参 数 设 计 相 应 的 神 数空间 ， 经网络诊断模型 。 利用各子神经网络分别完成各
。在 Ｐ Ｄ 缺陷识别方
［ ４］
面， 常用方法主要有神经网络
、 聚类分析
［ ５］
和支
等， 这些方法的引入为 Ｐ Ｄ 的现场识
别奠定了理论基础 。 利用 ＵＨＦ 脉 冲 信 号 识 别 电 气设备中的 Ｐ 其特征提取方法主要有时域分析 Ｄ， 法、 频域分析法 、 小波和小波包分析及经验模式分 解法等
［ ７］
和识别 是 变 压 器 绝 缘 在 线 诊 断 的 重 要 组 成 。 目 前， 超高频法 （ 被公认为检测变压器 Ｐ ＵＨＦ） Ｄ的 亦是研究热点 有效手段 ， 持向量机
［ ６］ ［ ２， ３］
前馈 网 络 ， 由 输 入 层、 隐 含 层 和 输 出 层 构 成， 层与 同 层 单 元 之 间 相 互 独 立。 层 之 间 多 为 全 部 连 接， Ｂ Ｐ ＡＮＮ 的基本思想是通过网络输 出 误 差 的 反 向 传播训练网络 ， 不断调整网络的连接权值 ， 从而使 网络最终的 输 出 误 差 达 到 最 小 。Ｂ Ｐ 神经网络的 训练可分为前向 计 算 和 误 差 反 向 传 播 两 个 过 程 。 ） ， 本文采用的 Ｂ 图１ 对于输入信 Ｐ 神经网络结构 （ 号 Ｐ１ ， 向前传播 到 隐 含 层 ， 经隐含层的作用函数 后， 其输出信息传播到输出层 ， 若在输出层未得到 期望的输出 ， 则将其误差沿原通路反向传播 ， 修改 各层神经元的权 值 ， 使输出层的输出误差信号满 足要求 。Ｂ Ｐ 神经 网 络 中 所 采 用 的 传 递 函 数 须 为 单调递增且可微的 ， 而Ｄ Ｓ证据理论的 Ｂ Ｐ Ａ 输入 ） （ ） 范围在 （ 之间 ， 与 的输出范围相吻合 ， ０， １ ｌ ｏ ｓ ｉ ｇ ｇ