基于残差注意力自适应去噪网络和Stacking集成学习的局部放电故障诊断

作     者：廖晓青 陈历 许建远 金宝权 姜自超 刘俊峰 Liao Xiaoqing;Chen Li;Xu Jianyuan;Jin Baoquan;Jiang Zichao;Liu Junfeng

作者机构：广东电网有限责任公司茂名供电局广东茂名525000 华南理工大学自动化科学与工程学院广东广州510641 

基　　金：南方电网公司科技项目(030900KC23040006) 

出 版 物：《电子技术应用》 (Application of Electronic Technique)

年 卷 期：2024年第50卷第11期

页      码：66-73页

摘      要：针对传统局部放电(Partial Discharge,PD)故障诊断方法在处理复杂含噪PD信号存在局限性并依赖于人工去噪和专家经验,难以学习到PD特征多样化表达等问题,分别提出残差注意力自适应去噪网络(Residual Attention Adaptive Denoising Network,RAADNet)和基于Stacking集成学习的PD故障诊断模型。RAADNet基于残差网络结构设计,通过集成CAM注意力机制和软阈值函数实现自适应去噪;Stacking集成模型的基学习器分别由基于卷积神经网络的RAADNet、基于多头自注意力机制的Transformer以及基于Boosting集成策略的XGBoost多个差异化模型共同构建构成。实验结果表明,提出的RAADNet优于其他先进方法,识别准确率达到93.99%,Stacking集成模型则通过学习多样化特征表达,进一步提高模型性能,达到96.79%识别准确率。

主 题 词：气体绝缘开关柜 局部放电 Stacking集成学习 卷积神经网络 Transformer 

学科分类：0810[工学-土木类] 0808[工学-自动化类] 080803[080803] 08[工学] 081001[081001] 

D　O　I：10.16157/j.issn.0258-7998.245495

馆 藏 号：203155713...