期刊文献+
共找到341篇文章
< 1 2 18 >
每页显示 20 50 100
Design of DC Partial Discharge Detecting System for Electrical Equipment 被引量:1
1
作者 王鹏 吴广宁 +1 位作者 曹开江 李明翔 《Journal of Southwest Jiaotong University(English Edition)》 2010年第4期333-339,共7页
A balancing method was used to build a DC partial discharge (PD) testing circuit for electrical equipment,and a narrow-band detection system was designed using detection resistance and a filter. After signal accesse... A balancing method was used to build a DC partial discharge (PD) testing circuit for electrical equipment,and a narrow-band detection system was designed using detection resistance and a filter. After signal accessed a high-speed digital acquisition (DAQ) card,the system was triggered to extract a single partial discharge (PD) signal. To eliminate the interference pulses caused by power supply ripple,etc.,the time domain and frequency domain features of pulses were extracted. Based on the features,cluster analysis was used to exclude interference pulses. Two-dimensional and three-dimensional histograms were obtained by use of the Δt method. Then,22 discharge statistical operators were calculated for the two-dimensional charts. Lastly,the defective capacitors were tested to verify the system's ability. The results show that the system is capable of PD detection in electrical equipment. 展开更多
关键词 INSULATION DC partial discharge pattern recognition Data acquisition Statistical operator
在线阅读 下载PDF
Chaotic Characteristic of Time Series of Partial Discharge in Oil-Paper Insulation
2
作者 罗勇芬 纪海英 +1 位作者 黄平 李彦明 《Plasma Science and Technology》 SCIE EI CAS CSCD 2011年第6期740-746,共7页
The chaotic characteristics of time series of five partial discharge (PD) patterns in oil-paper insulation are studied. The results verify obvious chaotic characteristic of the time series of discharge signals and t... The chaotic characteristics of time series of five partial discharge (PD) patterns in oil-paper insulation are studied. The results verify obvious chaotic characteristic of the time series of discharge signals and the fact that PD is a chaotic process. These time series have distinctive features, and the chaotic attractors obtained from time series differed greatly from each other by shapes in the phase space, so they could be used to qualitatively identify the PD patterns. The phase space parameters are selected, then the chaotic characteristic quantities can be extracted. These quantities could quantificationally characterize the PD patterns. The effects on pattern recognition of PRPD and CAPD are compared by using the neural network of radial basis function. The results show that both of the two recognition methods work well and have their respective advantages. Then, both the statistical operators under PRPD mode and the chaotic characteristic quantities under CAPD mode are selected comprehensively as the input vectors of neural network, and the PD pattern recognition accuracy is thereby greatly improved. 展开更多
关键词 oil-paper insulation partial discharge time series CHAOS pattern recognition
在线阅读 下载PDF
基于深度卷积生成对抗网络与知识蒸馏的聚丙烯电缆缺陷局部放电模式识别方法
3
作者 吴吉 贾诗媛 +2 位作者 李银格 彭小圣 范亚洲 《广东电力》 北大核心 2026年第2期108-119,共12页
聚丙烯电缆作为一种新型环保材料电缆,其安全稳定运行面临着局部放电带来的挑战。针对此问题,提出一种基于深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)和知识蒸馏(knowledge distillation,KD)技术... 聚丙烯电缆作为一种新型环保材料电缆,其安全稳定运行面临着局部放电带来的挑战。针对此问题,提出一种基于深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)和知识蒸馏(knowledge distillation,KD)技术的模式识别方法。首先,设计了4种典型聚丙烯电缆缺陷,开展了20 kV的耐压实验,获取相位分辩的局部放电(phase resolved partial discharge,PRPD)数据共400个,并利用DCGAN扩展高质量的PRPD数据集;进而采用ResNet-110作为教师模型进行训练,利用知识蒸馏将教师模型学习到的特征知识传递至轻量化的学生模型ResNet-20。结果表明:DCGAN生成图谱分布与原始样本的弗雷谢起始距离(Frechet inception distance,FID)指标低至13.22;通过引入知识蒸馏,学生模型在实现模型参数量减少63.25%的同时,分类准确率仍达到91.25%,推理速度提升4.16倍。研究结果表明,所提方法不仅能够实现高精度的聚丙烯电缆缺陷模式识别,还可显著提升模型的轻量化性能,为电缆故障诊断的智能化提供了理论与技术支持。 展开更多
关键词 聚丙烯电缆 局部放电 相位分辩的局部放电 深度卷积生成对抗网络 知识蒸馏 模式识别
在线阅读 下载PDF
人工智能应用于电力电缆局部放电诊断的研究进展
4
作者 杨勇 石寰宇 +2 位作者 李传 杨帅 王韫暄 《高电压技术》 北大核心 2026年第2期868-883,共16页
电力电缆是电能传输的重要枢纽,其绝缘性能会直接影响电力系统的安全性与稳定性。定期开展局部放电诊断能够有效评估电力电缆绝缘状态并识别早期缺陷,是提升供电可靠性的关键措施。该文聚焦电缆局部放电的人工智能诊断方法,系统综述了... 电力电缆是电能传输的重要枢纽,其绝缘性能会直接影响电力系统的安全性与稳定性。定期开展局部放电诊断能够有效评估电力电缆绝缘状态并识别早期缺陷,是提升供电可靠性的关键措施。该文聚焦电缆局部放电的人工智能诊断方法,系统综述了近年来该领域的重要研究成果。首先,概述了电缆局部放电的基本检测方法,包括电学方法、超声法和红外法,对其优缺点进行讨论。其次,重点关注人工智能算法在电缆局部放电模式识别上的应用,分别从传统机器学习以及深度学习的应用两方面进行详细阐述,分析了这些算法的优缺点、演变发展过程及其在电缆局部放电上的适用性。最后,总结了电缆局部放电诊断面对的挑战,并从数据来源、算法设计和电缆监测系统搭建3个方面探讨了未来的研究方向。 展开更多
关键词 电力电缆 模式识别 机器学习 深度学习 局部放电检测
原文传递
基于分布反馈光纤激光器的局部放电检测研究
5
作者 闵志 初凤红 +2 位作者 卞正兰 胡安铎 吕桂贤 《激光技术》 北大核心 2026年第1期47-56,共10页
为了预防电力设备绝缘故障产生局部放电造成电力安全问题,搭建典型局部放电模型和复杂局部放电模型,对每个模型加载不同强度的工频电压使其产生放电,利用分布反馈光纤激光器(DFB-FL)采集模型放电时产生的振动信号,通过振动检测系统对局... 为了预防电力设备绝缘故障产生局部放电造成电力安全问题,搭建典型局部放电模型和复杂局部放电模型,对每个模型加载不同强度的工频电压使其产生放电,利用分布反馈光纤激光器(DFB-FL)采集模型放电时产生的振动信号,通过振动检测系统对局部放电引起的振动信号进行了处理分析,并采用长短期记忆支持向量机复合分类器(LSCClassifier)算法对局部放电进行了模式识别。结果表明,典型放电模型识别准确率相较于支持向量机和长短期记忆网络分别提高了7.00%和2.00%,复杂放电模型识别准确率分别提高了18.00%和10.00%。此研究结果验证了使用DFB-FL对各类局部放电检测的有效性和LSC-Classifier算法对局放模式识别的准确性。 展开更多
关键词 光纤光学 局部放电检测 长短期记忆支持向量机复合分类器 放电类型模式识别
在线阅读 下载PDF
发电机局部放电信号在线监测方法
6
作者 郑晶鑫 《电工技术》 2026年第4期115-117,共3页
局部放电信号监测方法通常基于传统的信号处理与分析技术,通过设定信号幅值的阈值来判断局部放电事件。然而,由于未能捕捉放电的瞬态特征,导致监测精度较差,因此提出发电机局部放电信号在线监测方法。通过多通道传感器采集含噪放电信号... 局部放电信号监测方法通常基于传统的信号处理与分析技术,通过设定信号幅值的阈值来判断局部放电事件。然而,由于未能捕捉放电的瞬态特征,导致监测精度较差,因此提出发电机局部放电信号在线监测方法。通过多通道传感器采集含噪放电信号并将其分解为多尺度近似系数与细节系数。结合软阈值函数对细节系数进行非线性收缩并借助逆小波变换重构局部放电信号,在平滑信号的同时突出放电的瞬态特征。在各窗口内对信号进行相空间重构,并根据元素大小对重构向量进行符号化处理。通过统计各符号序列出现的概率,计算出信号排列熵,并将其输入极限学习机模型进行放电模式识别及监测。实验测试结果表明,采用提出的方法进行局部放电信号在线监测时放电模式标签覆盖度超过96%,具备较为理想的监测效果。 展开更多
关键词 发电机 局部放电信号 在线监测 监测精度 放电模式
在线阅读 下载PDF
温度-气压耦合作用下典型缺陷SF_(6)的局部放电特性
7
作者 崔宁 车传强 +3 位作者 秦春旭 赵顺 刘琦 贾慧杰 《电工电气》 2026年第3期32-37,共6页
针对六氟化硫(SF_(6))气体绝缘设备在低温环境下的绝缘性能劣化问题,探究了温度-气压耦合作用下不同缺陷类型的局部放电特性。搭建了气体气压和温度可调(20~-50℃)的局部放电测试平台,集成尖端、悬浮和沿面3种典型缺陷模型,利用脉冲电... 针对六氟化硫(SF_(6))气体绝缘设备在低温环境下的绝缘性能劣化问题,探究了温度-气压耦合作用下不同缺陷类型的局部放电特性。搭建了气体气压和温度可调(20~-50℃)的局部放电测试平台,集成尖端、悬浮和沿面3种典型缺陷模型,利用脉冲电流法测量了局部放电起始电压(VPDI)与局部放电发展特性,绘制了相位分辨局部放电(PRPD)图谱。实验结果表明:SF_(6)在降温过程中经历气-液相变,气相密度与压力下降导致绝缘强度显著降低,尖端放电中VPDI呈现先小幅升高(-31.6℃前)后大幅降低(-40℃后)的非单调趋势。悬浮缺陷对温度变化最敏感,其VPDI在-25℃后骤降40%,且放电相位向负半周(180~270°)迁移;尖端缺陷因液化后电场畸变系数跃升(1.2→2.5)及负离子云作用,VPDI在-50℃时降至35.8 kV;沿面缺陷则因液化液膜缩短爬电距离,VPDI下降60%,放电表现为宽幅分散型图谱。实验结果揭示了低温SF_(6)放电的相变-缺陷协同机制,为高寒地区气体绝缘设备的绝缘设计及状态评估提供了理论依据。 展开更多
关键词 PRPD图谱 SF_(6)气体 低温 局部放电起始电压 气-液相变
在线阅读 下载PDF
Pattern recognition of typical defects in high-voltage storage capacitors based on DC partial discharge 被引量:1
8
作者 WU GuangNing BIAN ShanShan +3 位作者 ZHOU LiRen ZHANG XueQin RAN HanZheng YU ChengLong 《Science China(Technological Sciences)》 SCIE EI CAS 2009年第12期3729-3735,共7页
High-voltage storage capacitors(hereinafter call capacitors for short)have been widely used in pulsed power technology.In accordance with the actual work conditions of capacitors,direct current partial discharge(DCPD)... High-voltage storage capacitors(hereinafter call capacitors for short)have been widely used in pulsed power technology.In accordance with the actual work conditions of capacitors,direct current partial discharge(DCPD)detection was put forward.The whole test system was based on the impedance balance circuit characterized by good configuration and anti-interference ability.Through DCPD detection on capacitors which contained four typical defects respectively,test results revealed that DCPD signals could well reflect the state of capacitor insulation.DCPD distribution spectra of capacitors containing four typical defects were obviously different.Defects in capacitors could be exactly judged by computer–aided pattern recognition based on support vector machine(SVM). 展开更多
关键词 high VOLTAGE storage CAPACITOR partial discharge composite INSULATION DC pattern recognition
原文传递
Study on Bush Tree Growth in XLPE Using 3D PD Patterns
9
作者 吴广宇 童晓阳 《Journal of Modern Transportation》 2000年第2期152-161,共10页
Exploitation of equipment with cross linked polyethylene (XLPE ) insulation requires its condition monitoring and diagnostic. Traditionally diagnostics of insulation is carried out by means of partial discharge detect... Exploitation of equipment with cross linked polyethylene (XLPE ) insulation requires its condition monitoring and diagnostic. Traditionally diagnostics of insulation is carried out by means of partial discharge detection. However, such identification of a defect, for example, void, inclusion or treeing, does not say about its danger from a point of view of full insulation gap breakdown and insulation construction failure. For this purpose a 29 kV CN-CV cable sample is studied. The experiment is based on research for determination of the dependencies between PD characteristics in XLPE upon time and three dimension PD patterns of corresponding treeing. The investigations were carried out by means of electrical measurement of PD current and simultaneous optical recording of treeing image. The needleplane electrode is applied as the electrode. As a result, -q-n PD patterns which are used as the bases to bush tree initialization and growth can be obtained. Test results show that PD pattern recognition can be applied as a powerful tool for recognizing electrical tree initialization and growth. This can make a good basis for on-line condition monitoring of high voltage power cable. 展开更多
关键词 partial discharge bush tree pattern recognition condition monitoring
在线阅读 下载PDF
基于多尺度特征融合学习的港口高压开关柜局部放电模式识别
10
作者 徐承军 张鹏 +1 位作者 张锐辉 李嘉群 《起重运输机械》 2025年第14期46-53,63,共9页
为了更加准确地识别港口的高压开关柜中局部放电缺陷类型,文中提出了一种基于多尺度特征深度融合学习的模式识别方法。首先基于实测局部放电超声波信号绘制了PRPD、Δt和GAF特征图谱并将其结合得到局部放电多尺度特征图谱,针对各类缺陷... 为了更加准确地识别港口的高压开关柜中局部放电缺陷类型,文中提出了一种基于多尺度特征深度融合学习的模式识别方法。首先基于实测局部放电超声波信号绘制了PRPD、Δt和GAF特征图谱并将其结合得到局部放电多尺度特征图谱,针对各类缺陷样本数据不均衡的问题,使用DCGAN对样本数据集进行扩充。基于注意力机制设计了一个多尺度特征融合模块MSAFF,并以该模块为基础设计了配套的神经网络框架,提取出多尺度特征图中各尺度深度特征并进行有机融合,最后使用融合后的特征进行港口高压开关柜放电模式的识别。实验结果表明,使用多尺度特征融合的方法能够有效提高港口高压柜漏电模式识别的准确率,识别准确率最高能够达到98.1%,且对于不同的网络结构加入MSAFF模块在不会带来太多参数的情况下可有效地提高网络的精度。 展开更多
关键词 高压开关柜 局部放电 注意力机制 多尺度特征 特征融合 模式识别
在线阅读 下载PDF
基于声光融合成像特征解析的电力设备局部放电精细识别方法研究 被引量:7
11
作者 马富齐 穆睿昕 +3 位作者 贾嵘 王波 赵宇航 马恒瑞 《电力系统保护与控制》 北大核心 2025年第11期51-62,共12页
局部放电是表征电力设备绝缘状态的重要指标,研究局部放电辨识对保障电力设备及电网安全运行意义重大。然而局部放电信号微弱,不同类型局部放电特征差异小,现有基于单数据源的局部放电监测方法信息利用率低、辨识精度有限。为此,提出了... 局部放电是表征电力设备绝缘状态的重要指标,研究局部放电辨识对保障电力设备及电网安全运行意义重大。然而局部放电信号微弱,不同类型局部放电特征差异小,现有基于单数据源的局部放电监测方法信息利用率低、辨识精度有限。为此,提出了一种基于声光融合成像特征解析的电力设备局部放电精细识别方法。首先,对采集到的放电音频和声像图进行滑动特征提取,构成声光融合特征矩阵。其次,将特征矩阵嵌入多元时间序列,利用门控双轴编码模型并行地从时间轴方向和特征轴方向进行信息抽取、权重分配及特征重组。最后,计算重组特征向量属于各个类别的概率,实现局部放电高精度辨识。结果表明,所提方法能够实现对多种放电类型的精确识别,其准确率可达98.32%,相较基于单数据源特征的局部放电辨识表现出更好的检测效果。 展开更多
关键词 局部放电 声光融合成像 多元特征解析 时间序列 模式识别
在线阅读 下载PDF
基于里德堡原子的电晕放电信号测量 被引量:1
12
作者 袁昊 罗兵 +5 位作者 陈建君 陈震 杨文广 张好 张临杰 张豪峰 《量子电子学报》 北大核心 2025年第4期556-564,共9页
局部放电(PD)是指未形成连接或桥接的两电极间发生局部放电的物理场景,PD现象持续作用会极大地缩短设备的使用寿命,因此监测PD信号并识别其放电类型具有重要意义。传统的PD信号测量方法受限于天线本身的金属材质以及尺寸,在变电站开关... 局部放电(PD)是指未形成连接或桥接的两电极间发生局部放电的物理场景,PD现象持续作用会极大地缩短设备的使用寿命,因此监测PD信号并识别其放电类型具有重要意义。传统的PD信号测量方法受限于天线本身的金属材质以及尺寸,在变电站开关柜等应用场景中难以实现内部近距离探测,限制了测量灵敏度的提升。本文提出了一种基于里德堡原子的PD信号测量方法,可以实现非金属近距离内部高灵敏探测。实验中选择PD最为常见的一种类型—电晕放电进行模块的制备与测量。首先,通过双光子激发将铯原子激发到里德堡态;然后,基于里德堡原子的交流斯塔克效应对电晕放电信号进行测量;最后,使用局部放电相位分辨图对测量结果进行分析,得到电晕放电的相位分布特征以及放电脉冲的分布情况。 展开更多
关键词 量子信息 局部放电 电晕放电 里德堡原子 局部放电相位分辨图
在线阅读 下载PDF
基于日盲紫外开关的局部放电检测与诊断技术研究 被引量:1
13
作者 刘胤康 任明 +3 位作者 杨章 关宇 王凯 董明 《电网技术》 北大核心 2025年第7期3042-3051,I0115,共11页
针对光测法易受自然光干扰、应用环境受限等问题,该文提出一种基于日盲紫外开关的高灵敏度局部放电传感技术,并对其检测性能和诊断效果进行了实验分析。首先研制了日盲紫外开关型局部放电传感器,对其传感性能进行测试,搭建了自然光明场... 针对光测法易受自然光干扰、应用环境受限等问题,该文提出一种基于日盲紫外开关的高灵敏度局部放电传感技术,并对其检测性能和诊断效果进行了实验分析。首先研制了日盲紫外开关型局部放电传感器,对其传感性能进行测试,搭建了自然光明场环境中的局部放电光电实验平台,采用日盲紫外开关型局部放电传感器和高频线圈对典型缺陷局部放电信号进行同步测量,对所测脉冲相位分布和脉冲重复率进行对比分析。实验结果表明,日盲紫外开关型局部放电传感器的有效电晕检测距离超过10m,其检测脉冲重复率与放电量呈正相关。此外,针对局部放电日盲紫外开关信号相位分布特点,提出了基于日盲紫外开关量统计的局部放电识别方法,通过模块化卷积神经网络实现了特征提取和类型识别,结果表明,在不依赖放电脉冲强度信息情况下,该方法的识别准确率达到99.5%,执行效率提升88.3%。该研究为外绝缘局部放电光学检测提供了经济高效且灵敏可靠的技术方案。 展开更多
关键词 局部放电 日盲紫外开关检测 相位分布图谱 卷积神经网络 类型识别
原文传递
基于多尺度注意力自适应去噪网络的局部放电模式识别 被引量:2
14
作者 郑尚坡 刘俊峰 +3 位作者 曾君 廖晓青 陈历 许建远 《高电压技术》 北大核心 2025年第4期1958-1968,共11页
局部放电的故障类型与气体绝缘开关(gas insulated switchgear,GIS)绝缘故障的严重程度紧密相关,精确识别局部放电故障类型对保障供电系统的稳定性至关重要。传统局部放电模式识别方法缺乏自适应去噪和对多尺度故障特征的处理机制,并且... 局部放电的故障类型与气体绝缘开关(gas insulated switchgear,GIS)绝缘故障的严重程度紧密相关,精确识别局部放电故障类型对保障供电系统的稳定性至关重要。传统局部放电模式识别方法缺乏自适应去噪和对多尺度故障特征的处理机制,并且过于依赖专家经验,以至于在处理含有大量噪声和固有多尺度特性的复杂局部放电信号时存在显著局限性,从而限制了模型对于局部放电故障识别准确率的进一步提升。为解决这些问题,提出一种多尺度注意力自适应去噪网络(multi-scale attention adaptive denoising network,MAADNet),该网络集成了多尺度特征学习模块、卷积注意力模块(convolutional block attention module,CBAM)以及软阈值函数,具备强大的自适应去噪和多尺度故障特征学习能力。具体而言,多尺度特征学习模块通过采用不同空洞率的空洞卷积以提取多尺度特征;而CBAM注意力机制和软阈值函数协同工作,依据输入局部放电信号的特性自适应调整去噪阈值,有效实现噪声抑制。此外,为验证所提网络有效性,通过搭建局部放电试验平台,设计并制作4种典型局放故障模型以收集不同故障类型的局部放电数据集。试验结果表明,所提方法在局部放电数据集上取得94.34%的识别准确率,优于其他先进方法,显示出良好的应用前景。 展开更多
关键词 气体绝缘开关 局部放电 模式识别 多尺度特征 注意力机制
原文传递
基于改进降噪自编码器与稠密连接网络的局部放电声信号模式识别 被引量:3
15
作者 关宇 董明 +3 位作者 王腾腾 刘胤康 胡一卓 金凯 《高电压技术》 北大核心 2025年第1期478-487,共10页
针对变电站开放空间中现场噪声显著及随机性强等特点,提出了基于改进降噪自编码器与稠密连接网络的局部放电声学模式识别方法。首先将局部放电声信号提取特征频段;通过建立改进降噪自编码器提取信号的潜在特征;之后采用格拉姆角场变换... 针对变电站开放空间中现场噪声显著及随机性强等特点,提出了基于改进降噪自编码器与稠密连接网络的局部放电声学模式识别方法。首先将局部放电声信号提取特征频段;通过建立改进降噪自编码器提取信号的潜在特征;之后采用格拉姆角场变换将潜在特征序列二维化,建立局部放电特征图谱数据集;在此基础上,构建了稠密连接网络辨识模型对局部放电声信号图谱进行模式识别,在随机低信噪比条件下实现了局部放电类型的准确识别与诊断。由压电式声传感器采集了4种典型缺陷电极模型的局部放电声信号,并对随机低信噪比的局部放电声信号进行模式识别。结果表明,与直接采用局部放电声学数据构建识别模型和采用传统降噪自编码器进行数据降维等方法相比较,该方法模式识别准确度更高,可达到98.6%。 展开更多
关键词 局部放电 声学信号 模式识别 降噪自编码器 稠密连接网络
原文传递
基于SURF-BoVF特征与主动学习EQB-LightGBM的发电机局部放电模式识别方法 被引量:2
16
作者 毕光均 龙世兴 +3 位作者 罗明兴 王洪雨 彭小圣 戚士伟 《高压电器》 北大核心 2025年第10期159-167,共9页
为构建高效且高精度的发电机局部放电分类模型,提出了一种基于PRPD图谱SURF特征的视觉词袋表征方法以及主动学习EQB-LightGBM模式识别方法。首先,从5种发电机典型局部放电类型的PRPD图谱中提取SURF特征,这些特征被用于构建视觉词袋模型... 为构建高效且高精度的发电机局部放电分类模型,提出了一种基于PRPD图谱SURF特征的视觉词袋表征方法以及主动学习EQB-LightGBM模式识别方法。首先,从5种发电机典型局部放电类型的PRPD图谱中提取SURF特征,这些特征被用于构建视觉词袋模型。通过该模型,发电机局部放电样本可以高效地量化为一个高维特征向量,从而有效地表征放电模式的特征组成。然后,将放电样本训练集划分为初始训练集和候选样本集,使用初始训练集训练分类投票模型,并通过EQB策略从候选样本集中筛选高价值样本,优化训练集参与模型迭代训练。通过动态更新训练集,提高了训练样本的代表性,从而提升了模型的分类识别性能。最后,在满足预设停止条件后,结束样本筛选与模型训练,得到高效且精准的识别模型。实验结果表明,文中所提方法筛选全训练集38%的样本进行训练即可达到98%的识别精度,与全训练集的识别精度相当,显著提高了模型识别效率,有效降低了训练时间和计算成本。 展开更多
关键词 局部放电 模式识别 主动学习 EQB策略
在线阅读 下载PDF
基于Grabcut-MCNN的GIS多源局部放电缺陷识别方法 被引量:3
17
作者 孙炜昊 王真 +1 位作者 刘子全 李玉杰 《广东电力》 北大核心 2025年第2期101-110,共10页
局部放电监测是检测设备绝缘缺陷的重要手段,全面提高气体绝缘金属封闭开关设备(gas insulated metal-enclosed switchgear,GIS)局部放电的识别准确率对电力系统的稳步运行十分重要,为此建立一种基于局部放电相位分辨图切割(phase-resol... 局部放电监测是检测设备绝缘缺陷的重要手段,全面提高气体绝缘金属封闭开关设备(gas insulated metal-enclosed switchgear,GIS)局部放电的识别准确率对电力系统的稳步运行十分重要,为此建立一种基于局部放电相位分辨图切割(phase-resolved PD graph cut,PRPD-Grabcut)和一种新的MobileNets卷积神经网络(MobileNets convolutional neural network,MCNN)模型来识别GIS的局部放电缺陷。首先用基于图像分割的PRPD-Grabcut提取PRPD图的关键成分,并构建MCNN模型;然后采用深度可分离卷积和逆残差结构来处理GIS局部放电模式识别过程中深度卷积神经网络的梯度消失问题;最后对MCNN模型进行训练和测试。结果表明:PRPD-Grabcut-MCNN不仅可以大大降低模型的计算负担,减小存储空间,并且对神经网络的识别准确率和训练效率也有一定的提高;此外,与现有的各种轻量级神经网络相比,MCNN在识别精度、交叉熵损失和训练时间方面表现出了优势。 展开更多
关键词 图像分割 深度学习 模式识别 局部放电 局部放电相位分辨图
在线阅读 下载PDF
基于选择性标注与样本平衡的局部放电模式识别在线学习方法 被引量:4
18
作者 谢庆 王春鑫 +5 位作者 张雨桐 刘景立 谢晨昊 郑炎 律方成 谢军 《中国电机工程学报》 北大核心 2025年第2期778-790,I0032,共14页
训练与检测样本分布不一致是深度学习方法对现场新增局部放电(partial discharge,PD)(简称“局放”)识别准确率低的主要原因,为实现局放模式识别对现场数据分布变化的持续适配、降低样本标注工作量,该文提出一种局部放电模式识别在线学... 训练与检测样本分布不一致是深度学习方法对现场新增局部放电(partial discharge,PD)(简称“局放”)识别准确率低的主要原因,为实现局放模式识别对现场数据分布变化的持续适配、降低样本标注工作量,该文提出一种局部放电模式识别在线学习方法。首先,以局放模式识别模型各层特征为信息来源,利用推理模型区分处于训练集分布内外的新增局放样本,并分别采用软标签及人工方式对两种样本进行在线标注;其次,为平衡训练集分布内外样本的数量、提升新增样本识别准确率,采用基于梯度惩罚的条件式wasserstein距离生成对抗网络(conditional wasserstein generative adversarial network with gradient penalty,CWGAN-GP)扩充两类局放样本,并以联合训练的方式更新局放模式识别模型。利用实验及现场采样得到的局放样本对所提方法进行验证,结果表明,所提方法标注工作量降低66.68%,在线学习结束后,新增样本集与训练集分布相同时识别准确率可提升4.61%,分布不同时识别准确率最低提升22.27%。 展开更多
关键词 局部放电 选择性标注 在线学习 模式识别
原文传递
基于原型网络与元学习的小样本GIL局部放电模式识别方法
19
作者 陈锋 李梦齐 +5 位作者 王先勇 汪宇轩 彭小圣 王旭 李茂 杨宗振 《绝缘材料》 北大核心 2025年第10期102-110,共9页
训练样本稀缺是实现GIL绝缘状态检测与故障诊断的关键难题。针对该问题,提出一种依据元学习理论与原型网络的小样本GIL局部放电模式识别方法,该方法通过优化空间映射网络,实现样本在高维空间的映射聚类。首先设计4种GIL典型缺陷模型,构... 训练样本稀缺是实现GIL绝缘状态检测与故障诊断的关键难题。针对该问题,提出一种依据元学习理论与原型网络的小样本GIL局部放电模式识别方法,该方法通过优化空间映射网络,实现样本在高维空间的映射聚类。首先设计4种GIL典型缺陷模型,构建局部放电实验平台和对应的小样本局放数据库;然后绘制GIL与发电机局放相位图谱,分别作为测试集与训练集;接着采用元学习训练方法,将支持集样本个数依次局限为1、5、10、20以验证模型有效性,并将各方面识别性能与匹配网络、ResNet-18和GoogLeNet进行对比。结果表明:原型网络诊断准确率在仅提供5个支持样本时便可达到96%以上,相比于其他方法具有更高的识别精度、更强的稳定性以及良好的对未见新样本的泛化能力。 展开更多
关键词 小样本 GIL 局部放电 元学习 原型网络 模式识别
在线阅读 下载PDF
基于Stacking集成多模型的GIS局部放电故障诊断方法 被引量:1
20
作者 廖晓青 陈历 +4 位作者 许建远 金宝权 姜自超 刘俊峰 郑尚坡 《电工技术》 2025年第6期189-194,198,共7页
针对现有方法对局部放电(Partial Discharge,PD)故障类型诊断依赖单一分类模型、难以学习到数据多种特征空间的表达和识别精度受限的问题,提出一种改进的基于Stacking集成多模型的PD故障诊断方法。模型的基学习器和元学习器分别由基于... 针对现有方法对局部放电(Partial Discharge,PD)故障类型诊断依赖单一分类模型、难以学习到数据多种特征空间的表达和识别精度受限的问题,提出一种改进的基于Stacking集成多模型的PD故障诊断方法。模型的基学习器和元学习器分别由基于深度学习模型的1DCNN-ResNet与基于机器学习模型的XGBoost、RandomForest和SVM构建而成。实验结果表明,综合多个差异化单类模型优势的Stacking集成模型在开源PD数据集上达到97.77%的故障识别准确率,所得结果优于单分类模型,表明该方法在PD故障类型诊断中具有较高的应用价值。 展开更多
关键词 局部放电 模式识别 故障诊断 Stacking集成学习 深度学习 机器学习
在线阅读 下载PDF
上一页 1 2 18 下一页 到第
使用帮助 返回顶部