基于SCG算法的GIS复杂局部放电的模式识别研究的任务书.docx

基于SCG算法的GIS复杂局部放电的模式识别研究的任务书
任务书
任务名称：基于SCG算法的GIS复杂局部放电的模式识别研究
研究目的：
GIS（气体绝缘开关设备）是电力系统中使用最广泛的高压设备，在电压等级高、容量大、环境条件复杂的场合中能起到良好的作用。然而，在长时间的运行过程中，GIS会出现局部放电现象。局部放电可能导致GIS的工作状态不稳定，引起设备的损坏，甚至影响到系统的运行稳定性。因此，对GIS局部放电进行有效的检测和识别，对于提高设备的可靠性和运行稳定性具有重要意义。
本研究旨在研究基于SCG算法的GIS复杂局部放电的模式识别方法，通过对局部放电信号进行特征提取和分类，实现对局部放电的快速、准确的识别和定位。
研究内容：
1.对GIS复杂局部放电信号进行采集与预处理。
2.进行特征提取，选择适合特征的分类器。
3.针对SCG算法改进，提高算法准确率和鲁棒性。
4.构建对GIS局部放电的分类模型。
5.制定算法验证方案。
6.模型验证和分析，进一步优化算法参数和流程。
7.编写基于SCG算法的GIS复杂局部放电的模式识别软件。
研究方法：
1.文献调研：对前人关于局部放电检测和模式识别研究成果进行系统梳理，分析其优缺点，为本研究提供参考。
2.数据采集：选择不同类型、不同位置的GIS设备进行数据采集，以获取具有代表性的数据集。
3.信号预处理：采集回来的信号进行预处理，包括滤波、降噪等操作，为信号特征提取和分类器构建提供清晰可靠的数据基础。
4.特征提取：对预处理后的信号，提取其中具有代表性的特征作为判别基础，包括时域特征、频域特征和小波域特征等。
5.分类器构建：在选择合适的特征后，选取适合的分类器进行构建，应用在算法优化和模型测试中。
6.算法改进：对SCG算法进行改进，提高其准确率和鲁棒性，应用到实际数据中。
7.模型验证：对模型进行验证和分析，通过不同数据集的测试，检验模型的实用性和有效性，进一步优化算法流程和参数。
8.软件实现：将研究成果转化为基于SCG算法的GIS复杂局部放电的模式识别软件。
研究进度安排：
1.文献调研与算法研究：2个月。
2.数据采集、信号处理、特征提取和分类器构建：5个月。
3.算法改进、模型验证和分析、软件实现：3个月。
4.论文撰写和答辩：2个月。
预计完成时间：1年。
研究成果：
1.基于SCG算法的GIS复杂局部放电的模式识别方法，能够对复杂的局部放电信号进行自动分类和定位，并实现对GIS局部放电的有效检测和识别。
2.建立了对GIS局部放电的分类模型，为电力行业的无损检测提供了可行的技术方案。
3.开发了基于SCG算法的GIS复杂局部放电的模式识别软件，能够适应实际的工程需要，可作为GIS设备健康监测的重要工具。
参考文献：
1.王云伟,马君强,张卫国,等.局部放电在线监测识别技术的研究综述[J].高压电器,2015,51(s1):48-53.
2.刘景超,张卫国,程亚林,等.基于改进型小波包分解的GIS相邻放零器局部放电特征提取[J].电力系统保护与控制,2014,42(10):51-57.
3.马君强,王云伟,陈晓林,等.基于局部适应增量学习的GIS局部放电检测[J].高电压技术,2015,41(4):1116-1122.