10.3969/j.issn.1007-757X.2023.08.033
基于深度学习的GIS局部放电故障诊断技术研究
封闭式气体组合电器(GIS)是变电站核心设备之一,掌握其绝缘水平能够有效降低故障发生的概率,从而保障系统供电的可靠性.深度学习是人工智能技术在变电设备图像识别领域的重要应用之一,文章提出基于CNN-LTSM深度学习的GIS局部放电故障诊断算法,不仅能结合CNN挖掘图片局部特征信息,还能结合LSTM捕捉时域特征信息.采用典型局部放电模型进行实验,提取典型局部放电谱图的空间特征和时域特征进行故障诊断,并与LSTM算法和CNN算法进行比较.结果表明,基于CNN-LTSM深度学习算法的故障诊断准确率均高于LSTM算法、CNN算法,具有一定的工程实践价值.
深度学习、GIS、局部放电、CNN-LSTM、故障诊断
39
TP591
2023-10-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
118-121