文章编号:1673-0291(2023)03-0140-09DOI:10.11860/j.issn.1673-0291.20220070第47卷第3期2023年6月Vol.47No.3Jun.2023北京交通大学学报JOURNALOFBEIJINGJIAOTONGUNIVERSITY10kV电缆接头典型缺陷局部放电类型模式识别桂俊峰1,刘岳楠1,2,逯华1,耿民3,邱超军3,王喜莲1(1.北京交通大学电气工程学院,北京100044;2.中国船舶集团有限公司系统工程研究院,北京100094;3.中车唐山机车车辆有限公司动车检修部,河北唐山063035)摘要:针对配电网10kV电缆接头典型缺陷常见放电类型识别精度低问题,根据电缆接头常见放电类型建立4种放电模型,搭建局放试验平台并获取模型的放电谱图.对谱图的分布特征、矩特征、纹理特征进行提取,对比反向传播(BackPropagation,BP)神经网络算法和网格搜索参数优化的支持向量机算法(SupportVectorMachine,SVM)对放电模型特征序列的识别精度.制作4种电缆接头典型缺陷实物模型并获取其放电谱图,提取谱图分布特征、矩特征及纹理特征.对比BP神经网络、基于网格搜索参数优化的SVM和基于遗传算法参数优化的SVM等3种算法对电缆接头缺陷放电类型的识别精度.研究结果表明:基于遗传算法参数优化的SVM算法能对电缆接头缺陷放电谱图的组合特征进行准确识别,且识别率高于其他传统算法,在电缆局部放电模式识别领域具有一定的工程应用价值.关键词:电力电缆;中间接头;典型缺陷;局部放电;放电类型;特征提取中图分类号:TM247文献标志码:APatternrecognitionofpartialdischargetypesfortypicaldefectsin10kVcablejointsGUIJunfeng1,LIUYuenan1,2,LUHua1,GENGMin3,QIUChaojun3,WANGXilian1(1.SchoolofElectricalEngineering,BeijingJiaotongUniversity,Beijing100044,China;2.SystemEngineeringRe⁃searchInstituteofChinaShipbuildingCorporation,Beijing100094,China;3.MotorTrainMaintenanceDepartmentofCRRCTangshanLocomotiveandRollingStockCo.,Ltd.,TangshanHebei063035,China)Abstract:Toaddresstheissueoflowidentificationaccuracyofcommondischargetypesoftypicalde⁃fectsin10kVcablejointsindistributionnetwork,thisstudyestablishedfourdischargemodelsbasedonthecommondischargetypesofcablejoints.Apartialdischargetestplatformisbuiltandthedis⁃chargespectrumofthemodelisobtained.Thedistribution,moment,andtexturefeaturesofthespec⁃trumareextracted,andtherecognitionaccuracyofthe...