赵文清，严海，王晓辉

（华北电力大学 控制与计算机工程学院，河北 保定 071003）

随着电网的不断发展，电力设备的安全性、可靠性受到了越来越多的关注，电力设备的损坏大部分是由绝缘损坏所引起的。因此有效地将绝缘存在的缺陷检测出来对电网的安全运行具有重要意义[1]。电容器在电力系统无功补偿中有着广泛的应用，电力电容器的介质损耗因数是表征其质量的重要参数[2]。目前，电力电容器进行维护的方式主要有定期检修和在线监测2种[3-7]。然而，定期检修存在检修周期长、试验条件与运行状态不一致等问题，无法反映出电力电容器的真实运行状态[6]。在线监测的方式可以及时发现电容器的早期故障，具有更好的监测效果。正向计算和解空间搜索是计算电力电容器介损角的2种方式。正向计算方法主要有谐波分析法[8-11]、异频电源法[12-14]、正交分解法[14-16]和自由矢量法等[17-19]。其中，谐波分析法使用离散傅里叶变换对电容器的电流、电压信号进行谐波分析，进而得到二者的基波，然后求出介损角。BP神经网络具有较好的非线性映射能力并且适用于处理大规模的数据。支持向量机模型结构简单，可以在少量样本情况取得较好的分类效果，并且模型不易过拟合。因此，本文提出了BP神经网络和SVM相结合的方法(BP-SVM方法)进行电力电容器介损角的在线辨识，通过BP神经网络提取信号Dδ(t)特征，将原本线性不可分的信号通过提取特征向量的方式趋向于线性可分，同时通过提取特征向量的方式降低信号Dδ(t)的维度，压缩训练样本规模，然后使用模型结构更加简单的SVM进行介损角辨识。……