基于卷积神经网络自动提取特征的电缆绝缘缺陷识别

摘要：

针对电力电缆局部放电信号人工提取特征严重依赖专业经验,易受主观不确定性影响的问题,提出了一种基于卷积神经网络自动提取特征的电缆局放缺陷识别方法.首先采用随机裁剪方法扩充原始样本数据,在此基础上利用滑动时间窗生成局放信号二维图像信息作为网络模型输入.详细研究了卷积层数、池化方式和激活函数等因素对网络识别性能的影响,生成并优化网络结构.方法能够自动提取电缆局部放电二维图像样本的深层特征,在识别准确率和鲁棒性方面效果突出.试验数据表明,系统对4种典型局放缺陷的总体识别率达到了96％,相比于支持向量机和反向传播神经网络等经典方法,分别提高了3.2％和6.0％,具有良好的应用前景.

关键词：随机裁剪、卷积神经网络、局部放电图像、缺陷识别、特征提取

所属期刊栏目：44

分类号：TM761(输配电工程、电力网及电力系统)

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：29-31,34