基于自编码网络的局部放电信号特征提取与识别

来源 :电力工程技术 | 被引量 : 0次 | 上传用户:aheoo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
气体绝缘金属封闭开关设备(GIS)的状态影响电力系统运行的可靠性,而局部放电是设备潜伏性绝缘故障的重要表现之一。传统局部放电模式识别方法依赖专家经验选取局部放电特征,主观性强且不确定度高。针对这一问题,文中提出将深度学习技术引入局部放电模式识别领域,运用卷积神经网络及其扩展自编码网络提取局部放电信号特征,充分发挥自编码网络的特征抽取能力。同时,将所提取的特征与经典分类器进行衔接,有机结合传统机器学习方法与深度学习方法,实现局部放电信号的基本参数提取、统计特征计算与放电类型识别。实验结果表明,文中所提方法提
其他文献
SF 6因优异的电气特性广泛应用于电器绝缘设备中,但其产生的温室效应对大气环境具有极大损害。近年来,C5F10O作为一种环保型SF 6潜在替代气体受到国内外科研工作者的关注。为
主动配电网(ADN)中可再生能源与电动汽车的大量接入给当前配电网的规划、建设、调度和运行带来了诸多挑战。文中研究和设计综合考虑源、网、荷侧不确定因素的ADN优化调度方法