基于卷积神经网络的开关柜局部放电故障识别

• 作者: 孙海渤 王菲菲 阮爱民 魏刚
• 来源期刊: 电气技术
• 关键词: 开关柜绝缘故障 可闻声信号 卷积神经网络 SVM
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与开发
• 页码范围: 76-81
• 页数: 6页
• 字数: 3152字
• 语种: 中文

摘要

目前的局部放电故障的分类算法大多是浅层学习算法,人工提取的特征直接影响分类结果.与浅层学习算法相对,深度学习具有更深的架构,能够自动从样本中学习特征,卷积神经网络是典型的深度学习算法.本文旨在研究卷积神经网络在开关柜局部放电的应用,证明深度学习架构能够有效提高识别率.本实验共采集正常和故障两种可听声信号,将以上两类声音信号进行提取特征后,分别放入SVM模型和卷积神经网络中进行分类.实验结果表明,卷积神经网络比传统的SVM提高了声音识别的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏刚		5	2	1.0	1.0
2	孙海渤		2	3	1.0	1.0
3	王菲菲		3	2	1.0	1.0
4	阮爱民		1	2	1.0	1.0