使用组合神经网络的电容器模型局部放电模式识别研究

摘要

设计了5种反映电力电容器中局部放电现象的典型模型,使用研制的局部放电声发射信号数字化检测装置,采集了模型放电声信号的大批数据,气隙放电信号的持续时间较短,易与其它类型放电区分开,依据信号时域和频域图形.油隙放电与油纸沿面放电的特性较接近.而油纸绝缘中金属杂质放电则与套管表面放电相近.使用组合神经网络来识别5种典型放电模式,结果表明组合神经网络是有效的.可根据声信号特征来识别电力电容器的局部放电模式.