-
题名基于深度学习和多模型融合的局部放电模式识别方法
被引量：7
- 1
-
-
作者
王婷婷
丁浩
张周胜
-
机构
上海电力大学电气工程学院
-
出处
《电力工程技术》
北大核心
2023年第3期188-195,共8页
-
文摘
局部放电与电力设备的绝缘状态息息相关,准确识别局部放电类型对于保障电网运行具有重要意义。文中提出一种基于深度学习和多模型融合的局部放电模式识别方法。首先,设计并搭建开关柜内4类典型局部放电缺陷模型,采集局部放电相位分布(phase resolved partial discharge,PRPD)图谱并建立样本集;其次,搭建基于迁移学习的深度残差网络,对局部放电缺陷进行识别;最后,利用Sugeno模糊积分将深度残差网络(deep residual network,DRN)模型与传统识别模型进行融合。实验结果表明:迁移学习模型相比于无迁移学习模型有着更好的更新能力和泛化性能;融合模型与单一模型相比具有更高的识别准确率。所提方法能够准确识别局部放电缺陷类型,对于电力设备的运维检修具有一定的参考价值。
-
关键词
局部放电
高压开关柜
局部放电相位分布(prpd)图谱
迁移学习
深度残差网络(DRN)
融合识别
-
Keywords
partial discharge
high voltage switchgear
phase resolved partial discharge(prpd)spectrum
transfer learning
deep residual network(DRN)
fusion recognition
-
分类号
TM51
[电气工程—电器]
-
