其他
【精彩论文】基于广义回归神经网络的特高频局部放电定位法
观点凝练
摘要：局部放电的检测和定位是变电站电力设备状态监测和诊断的重要手段。现有的基于时差法的特高频局部放电定位技术，由于高昂的设备成本限制了其应用范围。提出的基于广义回归神经网络和接收信号幅值强度（RSSI）指纹图的局部放电定位法，分为2个阶段。在算法的离线阶段，建立被测区域的RSSI指纹图；在线阶段，利用广义回归神经网络（GRNN）实现对局部放电源的定位。现场测试表明：提出的方法平均定位误差为0.51 m，定位误差小于1 m的累积概率为81.6%。和基于RSSI信号衰减模型定位法的克拉美罗下界（CRLB）最小均方误差相比，均方误差小于0.6 m2的GRNN定位误差累积概率为66.7%，要优于基于信号衰减模型定位方法的CRLB。该方法解决了传统方法定位精度低、成本高的缺点，具有较低的硬件成本和良好的环境适应性。
结论：本文是在变电站局部放电定位的研究背景下，针对复杂环境下，传统的基于信号传输模型的定位方法定位精度低、基于TOA和TDOA的定位方法成本高的问题，结合RSSI定位技术，提出了基于广义回归神经网络的特高频局部定位法。
（1）本文给出了RSSI指纹图建立方法，和具体的定位算法的实现过程。首先在离线阶段建立RSSI指纹图，然后在在线阶段融入广义回归神经网络方法，具有较低的定位成本、良好的环境适应性。
（2）广义回归神经网络只有平滑参数一个变量，并充分利用样本，计算在每个样本上的数值分布，得到定位结果，最后根据边界对结果进行修正，平均定位误差为0.51 m，81.6%的定位误差小于1.00 m。
（3）通过和基于信号衰减模型的无偏差估计CRLB求得的均方误差比较，基于广义回归神经网络定位法的定位均方误差累积概率为6.7%，要优于基于信号衰减模型定位方法的CRLB均方误差。
引文信息
郁琦琛, 罗林根, 吴凡, 等. 基于广义回归神经网络的特高频局部放电定位法[J]. 中国电力, 2021, 54(2): 11-17.YU Qichen, LUO Lingen, WU Fan, et al. UHF partial discharge localization methodology based on generalized regression neural network[J]. Electric Power, 2021, 54(2): 11-17.往期回顾
◀【精彩论文】基于灰度关联法和TOPSIS法的继电保护状态评估综合算法研究与应用
◀【精彩论文】适用于多工况优化设计与重复仿真的MMC快速仿真平台
◀【征稿启事】“含大规模储能的高比例新能源电力系统协调规划与优化调度技术”专题
编辑：杨彪
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。