基于卷积神经网络的高压电缆局部放电信号分类

摘要：

尽早发现高压电缆局部放电信号类型并采取相应措施,对于有效避免绝缘系统遭受破坏至关重要.针对高压电缆中4类常见的典型缺陷产生的局部放电信号,本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法.首先构建缺陷模型,采集4类缺陷的局部放电信号作为样本,并用电压幅值-相位谱图作为输入数据集;然后利用多层卷积核进行特征提取,多分类器进行分类回归;最终得到训练完成的卷积神经网络.比较而言,基于反向传播(back propagation,BP)神经网络和自编码神经网络的分类方法分类效果不稳定,整体准确率较差,本文方法的特征提取能力更强,对每一类信号的分类效果都较好,具有更广阔的应用前景.

关键词：局部放电、反向传播神经网络、自编码神经网络、卷积神经网络

所属期刊栏目：67

分类号：TP319.4(计算技术、计算机技术)

资助基金：国家自然科学基金;南京南瑞继保电气有限公司高压电缆局部放电在线监测关键技术研究项目

在线出版日期：2021-07-16（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：232-240