[发明专利]基于改进型RBF神经网络GIS绝缘缺陷分类识别检测方法

权利要求书

1.一种基于改进型RBF神经网络GIS绝缘缺陷分类识别检测方法，其特征在于，包括：

步骤S1，收集样本数据形成样本数据集，所述样本数据集作为RBF神经网络的输入层数据；

步骤S2，根据所述样本数据集，基于人工免疫网络算法计算出所述RBF神经网络的隐含层中心；

步骤S3，定义输出层、以及隐含层与所述输出层的映射关系，形成初始故障诊断模型，所述输出层为GIS潜在绝缘故障类型；

步骤S4，基于粒子群优化算法优化所述初始故障诊断模型中所述隐含层到所述输出层之间的连接权重，得到基于RBF神经网络的GIS内部绝缘故障诊断模型；

步骤S5，验证所述GIS内部绝缘故障诊断模型，基于所述GIS内部绝缘故障诊断模型进行GIS绝缘缺陷分类识别检测，得出GIS潜在绝缘故障类型的组合数据。

2.如权利要求1所述的基于改进型RBF神经网络GIS绝缘缺陷分类识别检测方法，其特征在于，所述步骤S1包括：

步骤S11，对已知绝缘故障的GIS设备施加气压、输入电压，在GIS设备腔体内部采集局部放电信号记录成波形图；

步骤S12，提取所述波形图的局部放电脉冲的频率f_p和衰减度系数，再利用所述波形图的检波信号统计出同一个工频内的放电重复率、放电相位和放电量α；

步骤S13，令频率f_p、衰减度系数、放电重复率、放电相位和放电量α作为x_i1、x_i2、x_i3、x_i4、x_i5，记录成一组所述样本数据x_i＝[x_i1,x_i2,x_i3,x_i4,x_i5]^T，i∈[1,N]，所述样本数据x_i对应一个实际结果Y_i＝[y_i1,y_i2,y_i3,…,y_in]^T，其中，Y_i代表每一种GIS潜在绝缘故障类型y_in的发生概率集合；

步骤S14，所述样本数据集记为X＝[x₁,x₂,x₃,…,x_i]，i∈[1,N]。

3.如权利要求2所述的基于改进型RBF神经网络GIS绝缘缺陷分类识别检测方法，其特征在于，所述GIS潜在绝缘故障类型为n种，至少包括金属突出物类型、自由导电微粒类型、绝缘子表面污染类型、绝缘子缺陷类型、悬浮电位体类型。