-
题名基于深度学习的多源局部放电模式识别
- 1
-
-
作者
张雪梅
章勇
熊伟华
李良尧
-
机构
东华理工大学电子与电气工程学院
-
出处
《计量与测试技术》
2025年第12期49-53,57,共6页
-
基金
江西省“双千计划”长期项目(项目名称:第二批江西省“SQ计划”项目,项目编号:DHSQT22021003)。
-
文摘
基于深度学习的局部放电模式识别方法通常仅对单源局部放电谱图有效,难以识别多源局部放电谱图,且存在样本数量不足的问题。为了更好地实现多源局部放电谱图识别,本文提出一种融合局部放电相位分辨(PRPD)图切割与基于自注意力机制深度残差网络的模型。实验表明,该模型识别的准确率达98.88%,且精确率、召回率及F_(1)分数均优于MicroNet、MobileNetV2等对比模型,不仅提升了识别性能,而且为电力设备的在线状态监测与智能故障诊断提供了有力支撑。
-
关键词
多源局放
PRPD图谱
局部放电相位分辨图切割
-
Keywords
multi-source partial discharge
PRPD pattern
cutting of phase-resolved partial discharge pattern
-
分类号
TM855
[电气工程—高电压与绝缘技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
