基于多信息融合的GIS局部放电类型识别方法研究

作者：陈捷元; 葛志成; 祝晓宏; 李守学; 司昌健; 李嘉帅; 吴迪^*; 曹森

来源：科学技术与工程, 2023, 23(12): 5094-5101.

• 特高频(UHF)法
• 超声波法
• 局部放电
• 多信息融合
• 卷积神经网络(CNN)
• 粒子群算法(PSO)

为了实现气体绝缘开关(gas insulated switchgear, GIS)局部放电故障类型的识别，利用GIS局部放电试验采集的特高频(ultra-high frequency, UHF)和超声波信号得到了局部放电相位解析(phase resolved partial discharge, PRPD)图和格拉姆角场(Gramian angular field, GAF)图，提出了基于自适应卷积神经网络的GIS局部放电类型识别算法，优化了卷积神经网络(convolutional neural network, CNN)超参数，建立了基于决策级多信息融合的GIS局部放电类型识别模型框架，研究了不同GIS局部放电类型识别方法的准确性及内在影响因素。结果表明：基于超高频和超声波信号的决策级多信息融合方法能够进一步提高GIS局部放电类型的识别准确性，识别准确率在98%以上，提出的决策级多信息融合方法的识别准确率高于特征级多信息融合方法，研究成果可为GIS局部放电类型识别提供技术支撑。

• 出版日期2023
• 单位国网吉林省电力有限公司电力科学研究院; 华北电力大学; 吉林省电力科学研究院有限公司