样本不平衡下基于CNN的主变压器局部放电图谱识别

• 作者: 刘航斌 林厚飞 叶静 林权威 黄安义
• 来源期刊: 信息技术
• 关键词: 局部放电 样本不平衡 卷积神经网络 变压器
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 应用技术|APPLIED TECHNOLOGY
• 页码范围: 126-131
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.09.024

摘要

对主变压器进行局部放电的识别能提前发现缺陷,降低故障率.目前,现场检测的局放数据更多以图谱形式存在,且存在样本不平衡的特点.鉴于此,文中提出了一种基于卷积神经网络的主变局放图谱识别方法.通过将预处理的图谱作为输入,使用MobieNetV2模型进行训练,同时使用改进的损失函数以解决样本不平衡问题.最后验证了提出的方法能有效地解决样本不平衡的问题,且96％的识别率明显优于其他方法.