基于卷积神经网络的高压电缆局部放电模式识别

摘要：

由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大,尤其是某些相似度较高的电缆绝缘缺陷类型难以区分.提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法,研究了不同网络层数、不同激活函数以及不同池化方式对识别效果的影响,并与传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法进行了对比.结果表明,相比SVM和BPNN,CNN的总体识别精度分别提高了3.71％和4.06％,且能较好地识别具有高相似度的电缆缺陷类型.

关键词：高压电缆、局部放电、卷积神经网络、模式识别、深度学习

所属期刊栏目：38

分类号：TM761(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目51541705;湖北省自然科学基金资助项目2016CFB536;中国南方电网公司科技项目资助GDKJXM20172769

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：123-128