典型文献
基于边缘计算的局部放电模式识别
文献摘要：
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.
文献关键词：
边缘计算;局部放电;模式识别;广义回归神经网络
中图分类号：
作者姓名：
宋佳骏;刘守豹;熊中浩
作者机构：
大唐水电科学技术研究院有限公司,四川 成都610074
文献出处：
引用格式：
[1]宋佳骏;刘守豹;熊中浩-.基于边缘计算的局部放电模式识别)[J].电子技术应用,2022(09):55-58,62
A类：
B类：
边缘计算,局部放电,放电模式,模式识别,场强,电场分布,绝缘介质,绝缘层,检测识别,电气设备,类型识别,设备监测,诊断识别,计算架构,云层,边缘推理,识别算法,算法训练,计算量,卸载,载到,取保,终端设备,设备层,相位分布,谱图,统计特征,粒子群优化算法,广义回归神经网络,输入量,方法识别,识别准确率
AB值：
0.364115
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
