典型文献
基于深度残差网络的GIS局部放电PRPD谱图模式识别
文献摘要：
为了研究气体绝缘组合电器(gas insulated switchgear,GIS)局部放电脉冲相位分布(phase resolved partial discharge,PRPD)谱图的模式识别,解决传统的统计参数分析方法识别准确率低的问题,该文提出了一种基于深度残差网络的GIS局部放电PRPD谱图模式识别方法.首先,设计并搭建了 GIS中4类典型局部放电缺陷的实验模型并采集实验数据;然后,利用条件生成对抗网络对PRPD谱图训练集进行数据扩充;最后,利用深度残差网络提取每类缺陷的PRPD谱图特征并将其分类.实验结果表明,该方法相较于普通卷积神经网络和统计参数分析方法,其识别准确率有明显提升,最高可达98.75％.研究结果表明所提方法能有效区分出GIS中4类典型的局部放电缺陷类型,在工程实际中有良好的应用前景.
文献关键词：
局部放电;模式识别;局部放电脉冲相位分布谱图;卷积神经网络;条件生成对抗网络;深度残差网络
中图分类号：
作者姓名：
许辰航;陈继明;刘伟楠;吕智;李鹏;朱明晓
作者机构：
中国石油大学(华东)新能源学院,青岛266580;国家电网有限公司,北京100031;中石化江汉石油设计有限公司,武汉430223
文献出处：
引用格式：
[1]许辰航;陈继明;刘伟楠;吕智;李鹏;朱明晓-.基于深度残差网络的GIS局部放电PRPD谱图模式识别)[J].高电压技术,2022(03):1113-1123
A类：
局部放电脉冲相位分布谱图
B类：
深度残差网络,PRPD,模式识别,气体绝缘组合电器,gas,insulated,switchgear,phase,resolved,partial,discharge,统计参数,参数分析,方法识别,识别准确率,放电缺陷,实验模型,条件生成对抗网络,训练集,数据扩充,每类,分出,缺陷类型,工程实际
AB值：
0.232466
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
