基于边际谱图像和深度残差网络的变压器局部放电模式识别

摘要：

针对传统人工特征提取方法易受主观不确定性影响的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)-Hilbert边际谱图像和深度残差网络的变压器局部放电模式识别方法.首先,用VMD算法分解局部放电信号,对所得各模态分量做Hilbert变换进而得到信号的边际谱图像作为输入,然后,利用深度残差网络对局部放电类型进行识别,并做了对比实验.所得实验结果表明,提出的深度残差网络在局放模式识别中的正确率可达98％,相比其他经典卷积神经网络具有更好的识别效果,且识别性能显著优于传统的BP神经网络、支持向量机模型.该方法利用残差网络优越的特征提取能力,能够自主学习谱图完整的内在特征,避免了人工提取方法的主观性对识别结果造成的影响,在一定程度上简化了实验步骤,实现了对局部放电Hilbert边际谱图像的直接识别,具有更高的正确识别率和更优的泛化性能.

关键词：局部放电、模式识别、Hilbert边际谱、图像、深度残差网络

所属期刊栏目：45

分类号：TM721(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51677072

在线出版日期：2021-06-21（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：2433-2441,中插19