基于卷积神经网络的高压电缆局部放电模式识别

• 作者: 彭小圣 文劲宇 李朝晖 杨光垚 杨帆 王干军 陈清江
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 高压电缆 局部放电 卷积神经网络 模式识别 深度学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 智能输电
• 页码范围: 123-128
• 页数: 6页
• 分类号: TM761
• 语种: 中文
• DOI: 10.16081/j.issn.1006-6047.2018.05.018

摘要

由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大,尤其是某些相似度较高的电缆绝缘缺陷类型难以区分.提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法,研究了不同网络层数、不同激活函数以及不同池化方式对识别效果的影响,并与传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法进行了对比.结果表明,相比SVM和BPNN,CNN的总体识别精度分别提高了3.71％和4.06％,且能较好地识别具有高相似度的电缆缺陷类型.