文献

J-GLOBAL ID：201702272472171560   整理番号：17A0162382

多重分解能高次モード解析に基づく部分放電信号の特徴抽出【JST・京大機械翻訳】

Partial Discharge Feature Extraction Based on Multi-Resolution Analysis of Higher-Order Singular Spectrum Entropy

著者 (8件)： Yang Fengyuan (Department of Electrical Engineering, Shanghai Jiao Tong University) ,  Song Hui (Department of Electrical Engineering, Shanghai Jiao Tong University) ,  Cheng Xu (Beijing Electric Power Research Institute) ,  Gao Zhaoli (Jinan Power Supply Company of State Grid Shandong Electric Power Company) ,  Tao Shiyang (Beijing Electric Power Research Institute) ,  Duan Dapeng (Beijing Electric Power Research Institute) ,  Sheng Gehao (Department of Electrical Engineering, Shanghai Jiao Tong University) ,  Jiang Xiuchen (Department of Electrical Engineering, Shanghai Jiao Tong University)
資料名： Dianwang Jishu  (Dianwang Jishu)
巻： 40  号： 10  ページ： 3265-3271  発行年： 2016年 
JST資料番号： C2514A  ISSN： 1000-3673  CODEN： DIJIES  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 局部放電信号の特徴抽出は電力設備の絶縁欠陥モード識別と故障診断の重要なステップである。特異スペクトルエントロピー分析(SINGULAR SPECTRUM ENTROPY ANALYSIS,SSEA)理論は局部放電信号の複雑性と規則度を研究したが、信号内部の非線形特性を十分に反映できない。放電の共分散行列を放電信号の4次キュムラントの代わりに使用し,集合経験的モード分解理論(EEMD)を用いて,多尺度化を実現した。部分放電信号の多重分解能高次元数分解(分析-SCALE HIGHER ORDER SINGULAR SPECTRUM ANALYSIS,M-HSSEA)法を提案した。シミュレーション結果により,本方法は,ノイズ抑制能力を効果的に改善し,そして,位相空間再構成パラメータのロバスト性を強化することができた。3つの典型的部分放電欠陥を屋外環境において設計し,この方法を用いて,高周波数領域の固有ベクトルを求め,RBFニューラルネットワークを用いて分類精度を向上させ,この方法の有効性と適応性を検証した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 適応性 ,  再構成 ,  キュムラント ,  固有ベクトル ,  *部分放電 ,  ロバスト性 ,  規則度 ,  *特徴抽出 ,  高次元 ,  故障診断 ,  *放電 ,  周波数領域
準シソーラス用語： 経験的モード分解 ,  共分散行列 ,  *多重解像度 , 【Automatic Indexing@JST】

著者キーワード (6件)： partial discharge ,  phase space reconstruction ,  singular spectrum entropy ,  higher order statistics ,  ensemble empirical mode decomposition ,  multi-resolution

分類 (2件)： 気体放電  (BJ03020T) ,  電線・ケーブル  (NA05020S)

タイトルに関連する用語 (5件)： 多重分解能 ,  高次モード ,  解析 ,  部分放電 ,  特徴抽出