文献类型：期刊文章

作　　者：李宏波[1] 朱永利[1] 王京保[2]

Li Hongbo;Zhu Yongli;Wang Jingbao(School of Control and Computer Engineering,North China Electric Power University,Baoding 071000,Hebei,China;Baoding Tianwei Xinyu technology development Co.,Ltd.,Baoding 071000,Hebei,China)

机构地区：[1]华北电力大学控制与计算机工程学院,河北保定071000 [2]保定天威新域科技发展有限公司,河北保定071000

出　　处：《电测与仪表》

基　　金：国家自然科学基金资助项目(5167702);中央高校基本科研业务费专项资金资助项目(2018QN078)。

年　　份：2020

卷　　号：57

期　　号：18

起止页码：63-68

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：智能化的分类算法在局部放电模式识别中应用良好,但是需要人工提取特征,因而存在特征丢失和识别效率低的问题。文中对传统的卷积神经网络进行多层特征融合的改进,并用于局部放电模式识别,以预处理后的PRPD图谱为输入,自动提取图谱特征,并进行深层和浅层的特征融合以防止特征丢失,最后输出分类结果。此外文中算法还对传统CNN的池化策略进行改进,使用最大二均值池化,进一步保留了图谱的有效特征。实验结果表明,相比于传统的人工提取统计特征再输入分类器的模式,特征融合CNN的识别正确率更高,达91.21%,且耗时更少。

关 键 词：局部放电 CNN 特征融合  PRPD图谱  

分 类 号：TM933]