基于声信号和一维卷积神经网络的绝缘子污秽度监测方法研究

作     者：李振华 李浩 黄景光 张磊 吴琳 LI Zhenhua;LI Hao;HUANG Jingguang;ZHANG Lei;WU Lin

作者机构：三峡大学湖北宜昌443002 国网湖北省电力有限公司技术培训中心湖北武汉430014 

基　　金：国家自然科学基金项目(51877122) 强电磁工程与新技术国家重点实验室开放课题(2022KF005) 

出 版 物：《湖南电力》 (Hunan Electric Power)

年 卷 期：2022年第42卷第4期

页      码：18-22页

摘      要：针对高压输电线路污秽绝缘子放电模式监测,设计一种新型的一维卷积神经网络结构(1D-CNN),提出一种基于声发射信号和1D-CNN的污秽绝缘子放电模式监测方法。将实验室采集到的不同放电状态下的声发射信号经过预处理后,利用卷积神经网络对放电信号样本进行自适应特征提取和特征降维,以减少训练模型参数和计算量,最终使用Softmax函数对预测结果进行分类。识别结果表明模型能够达到99.84%以上的识别率,减少了传统绝缘子污秽度监测方法中人工对数据进行预处理的过程,可有效应用于污秽绝缘子放电模式监测任务。

主 题 词：污秽绝缘子放电 卷积神经网络 声发射信号 故障诊断 深度学习 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 0805[工学-能源动力学] 080502[080502] 

D　O　I：10.3969/j.issn.1008-0198.2022.04.004

馆 藏 号：203114079...