论文部分内容阅读
局部放电是设备处于高电场强下,由于电场分布不均而导致的绝缘介质放电现象,设备产生局部放电对于绝缘层的危害很大,迅速检测识别设备的放电类型是工业正常运作的保障。针对电气设备局部放电类型识别问题,考虑到电气设备监测系统在诊断识别方面的时效性及精度,提出了基于边缘计算的局部放电模式识别方法,利用边缘计算架构的优势,基于云层训练、边缘推理思路,将复杂的识别算法训练优化过程部署在云层,将计算量大的识别算法卸载到边缘层,而计算量小的特征提取保留在终端设备层处理。通过构造局部放电相位分布谱图提取局部放电的统计特征参数,采用粒子群优化算法对广义回归神经网络模型进行优化,最后将统计特征参数作为神经网络的输入量,对放电类型进行识别。结果表明,所提模式识别方法识别准确率高,识别效率高。