典型文献
基于双注意力机制优化CNN架构的GIS局部放电模式识别
文献摘要：
GIS局部放电模式识别是其绝缘状态评估的重要部分,为对GIS局部放电信号进行准确、高效识别,提出一种基于双注意力机制优化CNN的GIS局部放电信号模式识别方法.首先,搭建GIS局部放电测试平台,并在GIS气室内人为设置4种典型缺陷,分别通过超高频和超声波检测法对不同缺陷局部放电信号进行采集;然后,基于二者数据特点分别进行数据预处理,并构建由超高频局部放电谱图图像特征和超声信号格拉米角场密度分布组成的特征空间;最后,通过双注意力机制优化的卷积神经网络对输入图像进行深层特征提取,由网络尾端的Softmax分类器进行结果预测.结果表明:融合多特征参数算法能够达到97.57％左右的识别准确率,高于单一特征识别率;同时在同一网络输入时,双注意力机制优化的卷积神经网络在算法识别率、训练速度和鲁棒性等方面均优于常见网络算法.
文献关键词：
局部放电;气体绝缘电器;卷积神经网络;模式识别
中图分类号：
作者姓名：
王彦彪;陈振勇;郭文萍;王宗宝;黄银汉
作者机构：
国网甘肃省电力公司白银供电公司,甘肃 白银 730900;国电南瑞南京控制系统有限公司,江苏 南京 211100
文献出处：
引用格式：
[1]王彦彪;陈振勇;郭文萍;王宗宝;黄银汉-.基于双注意力机制优化CNN架构的GIS局部放电模式识别)[J].电力科学与技术学报,2022(02):22-29
A类：
格拉米角场,气体绝缘电器
B类：
双注意力机制,机制优化,放电模式,模式识别,绝缘状态评估,局部放电信号,电测试,测试平台,气室,内人,典型缺陷,超高频,超声波检测,检测法,数据预处理,谱图,图图,图像特征,超声信号,密度分布,特征空间,深层特征,尾端,Softmax,分类器,多特征参数,数算,识别准确率,特征识别,识别率,算法识别,训练速度,网络算法
AB值：
0.275001
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。
