提出一种基于自适应支持向量数据描述的固体绝缘开关柜局部放电模式识别方法,通过建立不同放电模式下的分类器,能自主识别不同局部放电模式,识别率较传统方法有较大提高,从而使工作人员能根据不同放电故障制定相对应的检修方案。 从图1可知，在已知所有样本数据及分类的前提下，O和Ｒ1分别为目标样本超球体的球心和半径，其余不同种放电模式样本在超球体Θ1外，然后计算所有其余放电模型样本到超球体球心O的距离，选择距离超球体Θ1最近的局放样本作为SV2，并以O为球心，以支持向量SV2到球心O的距离半径Ｒ2＞Ｒ1，设置一个同心的超球体Θ2。从图1可知，有两个目标样本在Θ1体外局部放电模式识别-电动折弯机数控钢管滚圆机滚弧机张家港钢管滚圆机滚弧机，故半径选择应当在Ｒ1与Ｒ2之间。基于此有必要对SVDD进行改进，以提高识别样本的准确度。图1SVDD三维图2ASVDD需要训练4种不同放电模式下的分类器，通过判别函数寻找样本数据对应的分类器，以此来诊断放电类型。已知一种目标样本放电模型的超球体为Θ1，其球心为a，半径为Ｒ，在该试验平台下，SVDD算法本质就是将目标样本作为研究对象，经过一系列的优化处理，寻找支持向量试图通过最小化Ｒ本文由公司网站滚圆机网站采集转载中国知网资源整理!www.wanguanji138.com，来找到体积最小的超球体，以对目标样本放电类型进行准确描述，而非目标样本要尽可能少地包含在最小超球体Θ1内。SVDD思想转化为数学模型，将拉格朗日对偶理论运用到数学模型中，引入拉格朗日算子αi与βi，使优化问题转换成拉格朗日极值问题，函数表达式如式(1)所示:minfo=∑ni=1∑nj=1αiβi(xi·xi)－∑ni=1αi(xi·xi)(1)0≤αi≤C∑ni=1αi={1式中:xi———需要处理的放电模型样本;C———惩罚因子，控制超球体体积和误差之间折中的常数;fo———最小分类超球体。式(1)是一个标准的二次规划且只含一个未知参数ai，通过二次规划处理，可得与目标样本个数相对应?局部放电模式识别-电动折弯机数控钢管滚圆机滚弧机张家港钢管滚圆机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.wanguanji138.com