基于卷积神经网络的变压器局部放电模式识别

• 作者: 刘兵 郑剑
• 来源期刊: 高压电器
• 关键词: 电力变压器 局部放电 卷积神经网络 深度学习 模式识别
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 研究与分析
• 页码范围: 70-74,81
• 页数: 6页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2017.05.011

摘要

对局部放电进行有效识别可以为评估变压器设备绝缘状况提供科学的参考依据,然而局部放电类型的识别往往需要人为地提取描述特征,适应性很差.针对此问题,提出一种基于卷积神经网络的智能识别新方法.根据视觉注意机制分割出放电信号图像,并将灰度化和双线性插值归一化处理的图像作为卷积神经网络的输入.该方法模拟人脑的机制来解释数据,可以直接对采集到的放电信号图像进行自动特征学习与模式识别.实验中对4种典型放电类型的识别率超过了94％,显著优于传统的方法.试验结果表明,该方法无需进行复杂的特征提取,有较高的准确率和很好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘兵		8	52	2.0	7.0
2	郑剑		12	28	4.0	5.0