基于改进深度信念网络的直流XLPE电缆局部放电模式识别

• 作者: 李喆 江秀臣 盛戈皞 许永鹏 钱勇 黄光磊
• 来源期刊: 高电压技术
• 关键词: XLPE电缆 局部放电 受限玻尔兹曼机 深度信念网络 自适应矩估计
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电气装备及其智能运维
• 页码范围: 327-334
• 页数: 8页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20191227021

摘要

局部放电检测是评估电气设备运行状态的重要手段,然而现阶段关于直流交联聚乙烯(XLPE)电缆局部放电模式识别技术的研究尚在起步阶段.针对直流XLPE电缆的常见绝缘缺陷及局部放电特点,设计了4种缺陷模型并搭建实验平台采集局部放电信号,以局部放电脉冲波形为样本,研究了基于自适应矩估计优化算法改进深度信念网络的直流电缆局部放电模式识别方法.实验对比了深度信念网络模型与基于时频特征分类方法的识别效果,分析了识别方法对各类缺陷的适用性和训练样本容量对识别模型的影响.实验结果表明:基于改进深度信念网络的识别方法能深入挖掘局放脉冲的有效特征,识别准确率高于基于时频特征的支持向量机、BPNN神经网络分类方法,且对4类缺陷均具有良好的识别效果,识别准确率随训练样本容量的增多得到较大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江秀臣		305	4849	36.0	54.0
2	钱勇		104	1423	18.0	34.0
3	李喆		56	646	15.0	24.0
4	盛戈皞		146	1961	25.0	38.0
5	许永鹏		20	50	4.0	6.0
6	黄光磊		3	0	0.0	0.0