基于卷积神经网络的直流XLPE电缆局部放电模式识别技术

• 作者: 朱煜峰 江秀臣 盛戈皞 许永鹏 陈孝信
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 卷积神经网络 卷积神经网络框架方法 自适应特征提取 直流 XLPE 电缆 局部放电
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 高电压与绝缘
• 页码范围: 659-668
• 页数: 10页
• 分类号: TM85
• 字数: 6160字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.181954

摘要

针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测.首先采集四种典型绝缘缺陷电缆的局部放电信号作为样本,再利用自适应的卷积核进行特征提取,池化层进行特征映射,非线性多分类器进行回归分类,最终得到训练完成的CAFFE网络.通过设置不同求解器参数、网络结构和训练样本数量对缺陷识别结果进行对比分析,发现利用改进的Alexnet网络,采用衰减学习率方式的模式识别框架的平均识别正确率最高,达到了91.32％,相比于传统模式识别算法至少提高了8.97％.该方法具有强大的自适应学习能力,为应用于直流电缆故障诊断的模式识别提供了新的思路.

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	上海交通大学电气工程系	305	4849	36.0	54.0
2	盛戈皞	上海交通大学电气工程系	146	1961	25.0	38.0
3	许永鹏	上海交通大学电气工程系	20	50	4.0	6.0
4	陈孝信	国网浙江省电力有限公司电力科学研究院	2	0	0.0	0.0
5	朱煜峰	上海交通大学电气工程系	1	0	0.0	0.0