基于虚拟样本生成技术与概率神经网络的接地网故障诊断
High Voltage Apparatus(2020)
摘要
接地网故障的有效诊断大都需要测量大量的现场数据,工作量大且测量结果易受现场干扰的影响.为在减少现场测试工作量的同时提高接地网故障诊断的准确性,文中提出了基于虚拟样本生成(virtualsample generation,VSG)技术与概率神经网络(probabilistic neural network,PNN)的接地网故障诊断方法.首先针对接地网正常与典型故障下的磁场分布测量结果,采用组发现技术和超球特征方程相结合的非线性VSG构造了大量的接地网磁场分布结果,据此对PNN进行了训练及分类,实现了变电站接地网典型故障的有效诊断.对某35 kV变电站接地网的磁场分布测量结果与典型故障的诊断结果表明:所提出的非线性VSG技术更为完整地保留了接地网的磁场分布特征,具有较好的适应性与合理性,并有效提高了基于PNN的接地网故障识别率.研究结果可为接地网的故障诊断提供重要依据.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要