考虑振荡波衰减特性的电缆局放模式识别方法

• 作者: 金森 张若兵 杜钢
• 来源期刊: 高电压技术
• 关键词: 局部放电 模式识别 振荡波衰减特性 卷积神经网络 循环神经网络
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 电气装备及其智能运维|Development,Intelligent Operation and Maintenance of Power Equipment
• 页码范围: 2583-2590
• 页数: 8页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20200103

摘要

局部放电诊断是对电缆状态进行评估的重要手段,振荡波电压法是有较好应用前景的一种测试方法.该文提出了一种考虑振荡波周期衰减特性的电缆缺陷类型识别算法,所设计的神经网络综合利用周期内的放电特性和周期间的时序信息.首先,为便于提取放电特征的同时保留周期间的时序信息,将原始放电数据转换为周期相位分布模式.随后,从每个周期内提取3种典型放电参量,再通过卷积神经网络对其进行特征提取,融合后得到组合序列特征.最后,将组合特征送入循环神经网络进行处理,利用全连接层对缺陷类型进行分类识别.为验证算法的有效性,对4种人工缺陷电缆进行振荡波试验和分析,结果表明:该文算法的识别准确率达92％,优于其他常用识别算法,振荡波周期间蕴含的时序信息对识别效果有显著提升;此外,考虑振荡波衰减特性的方法对振荡波电压下的电缆局放类型识别具有普适性,可作为一个通用方法对其他算法进行优化.