基于深度学习融合的高压电缆局部放电诊断算法研究

• 作者: 杨朝锋 王敏 赵胜男 吴宁 董泉 崔杰 韩旭涛
• 来源期刊: 高压电器
• 关键词: 局部放电 谱图特性 模式识别 深度学习 混合智能
• 年，卷（期）: 2024,（11）
• 所属期刊栏目: 电缆/套管/换流阀
• 页码范围: 65-73
• 页数: 9页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2023.11.008

摘要

为了研究电力电缆局部放电的模式识别，解决传统单一智能算法识别率低的问题，文中提出了一种融合多深度学习算法的混合智能算法。首先，设计并制作5种典型缺陷模型以模拟实际电力电缆中的缺陷，据此展开实验并收集数据；然后，通过对PRPD谱图的相窗归一化、去极端值等改进，以及绘制PRCD谱图，更全面凸显局部放电有用特征；最后，训练基于PRPD或PRCD的多种深度学习分算法，通过可信度融合得到混合智能算法。实验结果表明，该混合智能算法相比常规单一深度学习算法识别率有显著提升，总体可达98.504%，能够准确分辨出模拟电力电缆缺陷的5种类型，具有良好应用前景。