由于电气设备中正常电流信号和故障电流信号电流特性十分相似,故障电弧的正确识别十分困难,但非常重要。采用小波变换结合近似熵的方法对故障和正常电流特征进行提取,将特征用来训练混合高斯模型（GMM）。但GMM的参数估计方法期望最大（EM）,极易局部收敛,因此,引进遗传算法,提出遗传优化的高斯混合模型（GA-GMM）。用经过特征提取后的特征数据来训练GA-GMM模型,模型根据其输入的数据特征得到最大的概率分类,即输出电流故障与否。大量实验表明采用GA-BMM能够快速准确地对故障电弧特征进行识别,达到了较好的识别效果,实现了准确识别故障电弧的操作。
类型: 期刊论文
作者: 刘桂芬,李扬
关键词: 故障电弧,小波变换,近似熵,高斯混合模型,遗传算法
来源: 测控技术 2019年01期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,自动化技术
单位: 辽宁工程技术大学电气与控制工程学院
基金: 国家自然科学基金项目(51674136)
分类号: TM501.2;TP18
DOI: 10.19708/j.ckjs.2019.01.016
页码: 77-81
总页数: 5
文件大小: 729K
下载量: 102
本文来源: https://www.lunwen66.cn/article/868118b8afaf4e60f903456c.html