GIS局部放電源（yuán）識別

GlS存在的缺陷是多種多樣的，而這些缺陷引（yǐn）起的放電又具有不一樣（yàng）的特征。通常局部放電信號的量大致（zhì）正比於放電現象的嚴重程度，但（dàn）局部放（fàng）電對係統的危害主要取決於局部放電的缺陷(放（fàng）電源)類型（xíng）和其所（suǒ）發生（shēng）的位置。因此正確識別局部放電源和判斷其位置對評估GlS的（de）絕緣狀態（tài）至關重要。

局部放電源的（de）識別也是模式識別問題，常規（guī）的識別方法有：

1）局放相位的分布形狀與局放源類（lèi）型之間有緊密的聯係，可（kě）基於信號（hào）的統計特征和相（xiàng）位進行分析，根據局放的二維或三維譜圖來識別；

2）局放理論目前還不完善，有很多未知因素，因（yīn）此在大量統計數據的基礎上可以利用模（mó）糊（hú）專家係統結合神（shén）經網絡(Neural Network-NN)來識別。Gulski等學者（zhě）提取了一些統計特征（zhēng）算子作為（wéi）輸入NN的信息來描述局放的波形特征。此外，近年來不少學（xué）者還采（cǎi）用了不同結構（gòu）的神經網絡以及分形分析等技術來識別局放源。另外，也有（yǒu）學者研究超高頻局放（fàng）信號的（de）去噪與數（shù）學建模。