徐颖敏 姚林朋 钱勇 黄成军 江秀臣

(上海交通大学 电气工程系，上海 200240)

0 引言

交联聚乙烯(XLPE)电缆作为输送电力的主要设备，其绝缘系统的好坏直接决定了整个城网送电系统能否安全运行。在XLPE电缆的某些薄弱部位，强电场作用极易引起局部放电。如果局部放电持续存在，一定条件下会导致绝缘劣化甚至击穿。局部放电是电缆设备监测的重要参量，从局放信号中提取的特征参数能有效地反映XLPE电缆绝缘状态。因此，对局部放电信号进行模式识别以及时发现电缆运行中存在的缺陷故障，对于XLPE电缆的可靠运行具有重要意义［1，2］。

在目前局放模式识别中，神经网络［3］，决策树［4］等算法得到广泛应用。但是传统的分类方法仅使用特定的某种分类器进行分类，当先验知识不足时，很难选择最优的分类器。针对这一问题，本文采用多分类器融合的方法进行局放模式识别，有效地提高了整个系统的分类精度。

1 基于神经网络的多分类器融合

1.1 多层感知器神经网络

人工神经网络作为人工智能技术的一个分支，具备非线性系统的自学习能力，在难以建模的复杂识别等方面具有不可替代的优势。Rtunelhart等人提出了多层感知器神经网络［5］的拓扑结构，为神经网络的研究开创了新思路。多层感知器神经网络由输入层、隐含层和输出层组成，其中隐含层可含有若干子层。

在本文中，结合特征参数的数量及训练时间，采用多层感知器模型作为基本分类器。在该模型中，输入层负责输入信号的变换传递，隐含层完成数据处理，后由输出层将输出信号进行加权后聚合为神经网络的输出信号。……