典型文献
基于多通道卷积神经网络的油纸绝缘局部放电模式识别方法
文献摘要：
为有效诊断高压输变电设备的绝缘状态,保证高压输电系统的安全稳定运行,提出了一种基于多通道卷积神经网络的油纸绝缘局部放电模式识别方法.首先,搭建了工频至低频局部放电试验平台,获取了 50、30、5 Hz外施电压下4类典型缺陷的局部放电相位分布图谱,并通过重采样、调幅移相、噪声模拟等对其进行了样本扩充预处理.然后,搭建了具备3通道输入的卷积神经网络,通过该卷积神经网络将不同频率外施电压下同一缺陷的局部放电相位分布图谱进行了通道级无损融合,并对融合后的局部放电相位分布图谱进行了自主特征提取与模式识别.最后,与传统方法的识别结果进行了对比.结果表明:该方法可有效识别油纸绝缘局部放电的类型;相较于单频率单通道卷积神经网络及基于人工特征提取的支持向量机和反向传播神经网络,其对油纸绝缘不同缺陷的局部放电相位分布图谱信息提取得更全面,识别准确率分别提升1.5％、13％、30％;与Vgg、ResNet、DenseNet等深度卷积神经网络相比,该方法的过拟合得到改善,识别准确率分别提高0.25％、1.25％、2.25％,且模型参数文件可节约至少380倍存储空间,便于在边缘计算设备中进行部署.
文献关键词：
多通道;卷积神经网络;油纸绝缘;局部放电;模式识别
中图分类号：
作者姓名：
陈健宁;周远翔;白正;赵云舟;张云霄;张灵
作者机构：
清华大学电机系电力系统及发电设备控制和仿真国家重点实验室,北京100084;新疆大学电气工程学院电力系统及发电设备控制和仿真国家重点实验室风光储分室,乌鲁木齐830047
文献出处：
引用格式：
[1]陈健宁;周远翔;白正;赵云舟;张云霄;张灵-.基于多通道卷积神经网络的油纸绝缘局部放电模式识别方法)[J].高电压技术,2022(05):1705-1715
A类：
高压输变电设备
B类：
多通道卷积神经网络,油纸绝缘,绝缘局部放电,放电模式,模式识别,绝缘状态,高压输电,输电系统,安全稳定运行,工频,局部放电试验,试验平台,典型缺陷,相位分布,分布图,重采样,调幅,移相,噪声模拟,样本扩充,不同频率,下同,单频,单通道,反向传播神经网络,信息提取,识别准确率,Vgg,ResNet,DenseNet,深度卷积神经网络,过拟合,存储空间,边缘计算,计算设备,行部
AB值：
0.259973
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。
