基于卷积神经网络的高压电缆局部放电模式识别

被引：61

作者：

杨帆 ^{[1
]}

王干军 ^{[2
]}

彭小圣 ^{[1
]}

文劲宇 ^{[1
]}

陈清江 ^{[2
]}

杨光垚 ^{[1
]}

李朝晖 ^{[1
]}

机构：

[1] 华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室

[2] 广东电网公司中山供电局

来源：

电力自动化设备 | 2018年 / 38卷 / 05期

关键词：

高压电缆; 局部放电; 卷积神经网络; 模式识别; 深度学习;

D O I：

10.16081/j.issn.1006-6047.2018.05.018

中图分类号：

TM855 [绝缘的试验与检查];

学科分类号：

080803 ;

摘要：

由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大,尤其是某些相似度较高的电缆绝缘缺陷类型难以区分。提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法,研究了不同网络层数、不同激活函数以及不同池化方式对识别效果的影响,并与传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法进行了对比。结果表明,相比SVM和BPNN,CNN的总体识别精度分别提高了3.71%和4.06%,且能较好地识别具有高相似度的电缆缺陷类型。

引用

页码：123 / 128

页数：6

共 6 条

[1] 基于局部放电图像特征的换流变压器油纸绝缘缺陷诊断方法 [J].