基于深度学习的PRPD数据特征提取方法

• 作者: 刘成宝 李玉杰 杨景刚 艾春 邓敏 马勇
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 局部放电 灰度图 特征提取 残差网络 模式识别
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息与能源
• 页码范围: 99-104,115
• 页数: 7页
• 分类号: TM591
• 字数: 4016字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.03.016

摘要

气体绝缘金属封闭开关设备(Gas Insulated Switchgear,GIS)局部放电(Partial Discharge,PD)的传统特征提取具有依赖专家经验、盲目性高、识别率低的缺点,文中将局部放电PRPD数据转变为灰度图,利用卷积神经网络强大的特征自适应提取能力提取灰度图的辨识特征,并将特征应用于经典分类器如SVM、随机森林,BP神经网络等,实现深度学习方法和传统机器学习方法的有效融合.实验表明,该方法提取的特征具有更高的辨识度,可以有效提升局部放电模式识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马勇	国网江苏省电力公司电力科学研究院	9	15	3.0	3.0
2	杨景刚	国网江苏省电力公司电力科学研究院	21	62	4.0	7.0
3	李玉杰	国网江苏省电力公司电力科学研究院	3	2	1.0	1.0
4	邓敏		2	5	1.0	2.0
5	艾春		1	0	0.0	0.0
6	刘成宝		1	0	0.0	0.0