基于P-CNN的局部放电绝缘故障融合诊断

作     者：王涤 马爱军 归宇 章璨 王斌 张秋实 WANG Di;MA Aijun;GUI Yu;ZHANG Can;WANG Bin;ZHANG Qiushi

作者机构：国网浙江省电力有限公司湖州供电公司湖州313000 武汉科迪奥迪电力科技有限公司武汉430000 

基　　金：国网浙江省电力有限公司科技项目(SGZJPX00PGJS1700057) 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2020年第46卷第8期

页      码：2897-2905页

摘      要：绝缘缺陷作为引发封闭式开关设备局部放电的重要因素,对故障类型的有效判断具有重要工程意义,而气体组分分析法作为非电类局部放电检测法,不存在引入噪声,环境干扰等问题。为此提出一种基于概率卷积神经网络(probabilistic-convolutional neural network,P-CNN)融合故障诊断算法,即将特征数据组分快速特征提取和灰度图均衡化的数据预处理方式,引入3种气体组分特征,通过概率神经网络和卷积神经网络分别进行训练,将结果通过DS(Dempster-Shafer)证据理论进行融合。通过设计4种绝缘缺陷模型来模拟故障放电,并进行气体分解组分的特性研究。仿真预测结果表明,与传统机器学习对比,该算法可以在保证识别速度的情况下,有效提升识别正确率。

主 题 词：绝缘缺陷 模式识别 CNN 气体组分分析法 DS证据理论 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 080803[080803] 08[工学] 0807[工学-电子信息类] 

核心收录：

D　O　I：10.13336/j.1003-6520.hve.20190118

馆 藏 号：203968284...