基于PRPD图谱多特征融合的局部放电类型识别研究

摘要：

局部放电(partial discharge,PD)信号的检测能够为电力系统提供绝缘缺陷诊断和运行状态评估.现有的局部放电类型识别算法难以有效识别相似度较高的绝缘缺陷,限制了其应用范围.为此,提出一种基于PRPD(phase resolved partial discharge)图谱多特征融合的局部放电类型识别算法.该算法利用卷积神经网络(convolu-tional neural network,CNN)提取局部放电PRPD图谱图像特征,将图像特征与PD信号统计特征进行有效融合,利用融合特征识别局部放电类型.在实验室环境下建立了4种局部放电模型,并进行了模拟对比实验.实验结果表明,相比传统的支持向量机(support vector machine,SVM)和反向传播神经网络(back propagation neural network,BPNN)算法,所提出方法的正确识别率分别提高了12.82％和19.70％,对相似度较高的缺陷类型也能进行有效识别,算法具有较好的鲁棒性.

关键词：局部放电、类型识别、多特征融合、卷积神经网络、PRPD图谱

所属期刊栏目：34

分类号：TP391;TM855(计算技术、计算机技术)

资助基金：校企合作项目SET2019062700

在线出版日期：2022-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：373-382