文献类型：期刊文章

作　　者：王彦彪[1] 陈振勇[1] 郭文萍[1] 王宗宝[1] 黄银汉[2]

WANG Yanbiao;CHEN Zhenyong;GUO Wenping;WANG Zongbao;HUANG Yinhan(Baiyin Power Supply Company,State Grid Gansu Electric Power Company, Baiyin 730900,China;NARI Technology Nanjing Control Systems Co.,Ltd.,Nanjing 211100,China)

机构地区：[1]国网甘肃省电力公司白银供电公司,甘肃白银730900 [2]国电南瑞南京控制系统有限公司,江苏南京211100

出　　处：《电力科学与技术学报》

基　　金：国家电网公司科技项目(SGTJBHOOYJJS1902138)。

年　　份：2022

卷　　号：37

期　　号：2

起止页码：22-29

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：GIS局部放电模式识别是其绝缘状态评估的重要部分,为对GIS局部放电信号进行准确、高效识别,提出一种基于双注意力机制优化CNN的GIS局部放电信号模式识别方法。首先,搭建GIS局部放电测试平台,并在GIS气室内人为设置4种典型缺陷,分别通过超高频和超声波检测法对不同缺陷局部放电信号进行采集;然后,基于二者数据特点分别进行数据预处理,并构建由超高频局部放电谱图图像特征和超声信号格拉米角场密度分布组成的特征空间;最后,通过双注意力机制优化的卷积神经网络对输入图像进行深层特征提取,由网络尾端的Softmax分类器进行结果预测。结果表明:融合多特征参数算法能够达到97.57%左右的识别准确率,高于单一特征识别率;同时在同一网络输入时,双注意力机制优化的卷积神经网络在算法识别率、训练速度和鲁棒性等方面均优于常见网络算法。

关 键 词：局部放电 气体绝缘电器 卷积神经网络  模式识别

分 类 号：TM85]