基于小波包-反向传播神经网络的局部放电信号模式识别方法

于建军

(云峰发电厂， 吉林 集安 134200)

0 引言

局部放电是油浸式变压器发生绝缘劣化的重要缘由与标志之一，由于其在发现绝缘缺陷、预防绝缘故障方面的重要作用，受到科研工作者与电力工程运维人员的高度重视[1-2]。变压器的绝缘结构复杂，绝缘放电类型各异，不同绝缘类型下的放电模式与表现形式也不尽相同，因而给局部放电的定性判断与问题定位带来了困难。开展油浸式电力变压器局部放电的模式识别，可有效地发现变压器的潜在绝缘问题，避免电力变压器事故及停电事件的发生，因此变压器局部放电的模式识别研究具有显著的经济价值与工程意义[3-6]。特征获取与模式分类是变压器局部放电信号模式识别的重要环节，而当前局部放电模式识别的常用特征参数主要有统计特征[7-8]、分形特征[9-10]、小波特征[11-13]、矩特征[14-15]、波形特征[16-17]和复合特征[18-19]等。其中，小波特征由于在模式定义及区分方面具有显著优势，且其特征参数较少，因而得到了广泛运用。人工神经网络由于具有良好的鲁棒性、自适应力及非线性映射能力，因此常被用于局部放电模式识别与分类[20-21]。

本研究基于小波包的多尺度与能量参数，建立了一种变压器局部放电信号的模式识别方法。通过对局部放电信号进行小波包多尺度变换，可获得其多尺度小波系数的能量参数，而后采用反向传播神经网络(Back Propagation Neural Networks, BPNN)开展模式识别工作，取得了较满意的识别正确率。

1 绝缘缺陷模型与局部放电试验

1.1 绝缘缺陷模型

由于油浸式电力变压器的绝缘系统中最典型的绝缘结构为油纸绝缘，因此本研究的绝缘缺陷模型均基于油纸绝缘来设计。……