基于深度学习的电容式电压互感器故障诊断

摘要：

电容式电压互感器(CVT)是应用于变电站的关键设备,能够实现长途通信、远方测量、选择性线路高频保护等功能,为提高变电站的可调控能力提供有力保障.本文基于CVT的结构形态特性与故障类型,提出一种改进的卷积神经网络(CNN)预测方法,将其应用于CVT故障在线检定.该方法在传统CNN模型中加入平均池化层,实现信号降采样并保留信号的特征信息,使用支持向量机(SVM)代替传统的softmax函数.对所提模型进行仿真实验,本文模型在187 μs的检测时间内能够实现100%检测精度,检测精度与检测时间均优于传统CNN模型;同时,将某500 kV变电站CVT实测电压数据作为数据集,用于本文模型的仿真实验,仿真结果表明本文模型在实际工程案例中能迅速检出CVT早期故障并发出故障预警信息,故障诊断效果较好,对于变电站稳定运行具有重要意义.

关键词：电容式电压互感器、全局平均池化、卷积神经网络、在线检定

所属期刊栏目：36

分类号：TM451;TP391.41(变压器、变流器及电抗器)

资助基金：四川省科技计划项目;四川省人工智能重点实验室项目;智能电网四川省重点实验室项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：76-84