期刊文献+

用前馈网络组对定子模型线棒放电模式的识别 被引量:5

PATTERN RECOGNITION OF PARTIAL DISCHARGE IN ELECTRICAL MACHINE INSULATION MODELS BY USE OF FEED\|FORWARD ARTIFICIAL NEURAL NETWORKS
下载PDF
导出
摘要 为了通过放电特性来判断大电机定子绝缘状态,对人工神经元网络组识别放电类型和发展程度的能力进行了研究。在屏蔽试验室内,用定子线棒工业仿真模型取得了不同放电模式的大批试验数据,并用三维谱图对放电信息进行有效压缩,以谱图表列数据为特征量构成放电样本。以类型识别主网络和程度识别子网络组成人工神经元网络组,经训练的网络对放电类型和发展程度的识别结果是令人满意的。 WT9.,8.75BZ] For the purpose of judging insulation condition of generator stator on the basis of discharge characteristics, the ability of artificial neural network group, which is used to recognize the different types and serious levels of discharges, is studied. Using industrial simulation models of stator winding, a lot of experimental data of different discharge patterns are obtained in shielding room. The discharge information is effectively suppressed through 3 dimensional pattern and the tabulated data of these patterns are used as characteristic vectors. An artificial neural network group consisting of a main network for type recognition and some sub networks for serious level recognition is established. The trained network group is used to discriminate the types and serious levels of discharge, and the recognition results are satisfied.
机构地区 清华大学电机系
出处 《电网技术》 EI CSCD 北大核心 1999年第10期29-32,共4页 Power System Technology
基金 国家自然科学基金
关键词 发电机 定子模型 线棒 局部放电 模式识别 winding of electrical machine partial discharge on-line monitoring pattern recognition artificial neural network
  • 相关文献

参考文献5

二级参考文献5

  • 1朱德恒,电绝缘诊断技术,1999年
  • 2尹志德,学位论文,1998年
  • 3Wang Zhenyuan,IEEE Trans Dielectrics and Electrical Insulation,1998年,5卷,6期,850页
  • 4朱德恒,中国机械工程学会第9届全国设备诊断技术学术会议论文集,1997年,493页
  • 5郑重,谈克雄,高凯.局部放电脉冲波形特性分析[J].高电压技术,1999,25(4):15-17. 被引量:59

共引文献71

同被引文献57

引证文献5

二级引证文献101

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部