基于改进K-近邻算法的XLPE电缆气隙放电发展阶段识别

对运行工况下的XLPE电缆气隙放电发展阶段进行准确识别,有利于将电缆故障扼杀在萌芽状态,保障电力系统正常运行.该文首先介绍了模拟XLPE电缆气隙放电的试验平台搭建、缺陷模型制作和特征量提取及降维的方法及步骤,基于试验观察和对大量数据样本进行聚类分析,将XLPE电缆气隙放电发展过程分为四个阶段,针对以往XLPE电缆气隙放电阶段识别模型的训练周期长、计算复杂度高和收敛速度慢等问题,该文提出一种经高斯函数加权的改进K-近邻(KNN)分类算法应用于XLPE电缆气隙放电阶段识别.对气隙放电的随机测试样本采用基于二叉树的核函数支持向量机、未改进的K-近邻算法和改进后的K-近邻算法三种算法分别进行了阶段识别.试验结果表明,改进后的K-近邻算法识别正确率高、速度快,处理含噪信号鲁棒性好,相比另两种算法更优.