基于深度学习的GIS设备故障识别技术

• 作者: 祝贺 孙文凯 贾亚飞 王赛豪 罗俊伟
• 来源期刊: 信息技术
• 关键词: 深度学习 变电站GIS设备 故障 识别 特征提取
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 57-61
• 页数: 5页
• 分类号: TM46
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.09.011

摘要

传统GIS设备故障识别方法无法处理负载突变问题,且负载调节不及时,导致故障识别精度偏低.提出基于深度学习的GIS设备故障识别技术,构建动态响应特征检测模型、GIS设备故障特征融合模型以及故障统计特征分析模型.计算故障状态下的电压外环和负载突变参数,提取GIS设备故障属性特征;采用深度学习判断故障识别过程中的参数寻优控制和收敛性,实现对变电站GIS设备故障优化识别和检测,提高GIS设备故障检测识别能力.实验结果表明,所提变电站GIS设备故障识别方法的精度较高,对故障属性类别判断的准确性较好.