基于深度学习的环网柜局部放电信号特征识别

作者：陈艳霞; 林涛; 吕立平; 邹晴; 曹亮; 王宁; 袁方^*

来源：武汉大学学报(工学版), 2023, 56(09): 1124-1130.

DOI：10.14188/j.1671-8844.2023-09-012

• 环网柜
• 局部放电
• 边际谱
• 深度学习
• 准确率

由于制造工艺和现场环境的影响，环网柜运行时会存在局部放电的现象。为深入研究局部放电的类型，提出了一种局部放电信号的特征识别方法。首先，搭建了电晕放电、沿面放电、悬浮放电3种放电模型的实验平台，采集了大量实验数据；然后，结合边际谱和卷积神经网络（convolutional neural networks, CNN），通过模型参数寻优的方法建立了神经网络训练模型，开展了不同局部放电信号的特征识别研究；最后，与传统的特征识别方法进行了对比研究。研究结果表明：相对于VGG(visual geometry group)Net和AlexNet,ResNet34网络模型识别的准确率最高；边际谱图像提高了典型局部放电信号的辨识度，所提方法的准确率高达97%，明显优于CNN和支持向量机（support vector machine, SVM）。所提方法可为环网柜局部放电信号的研究提供技术支撑。

• 出版日期2023
• 单位国网北京市电力公司; 武汉大学