摘要：为了解决局部放电类型未知的样本无法被正确识别的问题，提出了一种基于核极限学习机一变量预测模型（KELM．VPMCD）的未知局部放电类型的识别方法。通过KELM对已知局部放电类型的训练样本进行训练，然后对各局部放电类型已知的样本建立相应的变量预测模型。利用这些模型对测试样本进行回归预测。根据各样本的预测误差平方和，利用Otsu算法设置误差阈值，通过阈值识别各样本的局部放电类型。识别结果表明，所提方法对于未知的局部放电类型具有较高的正确识别率。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社