基于深度卷积神经网络的GIS缺陷局部放电识别

来源 :太原学院学报(自然科学版) | 被引量 : 0次 | 上传用户:rrttwytpic
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
为了实现气体绝缘金属开关设备(gas insulated switchgear,GIS)缺陷类型的判别,在实验室以GIS设备为试验对象,设置了自由金属微粒、绝缘子表面微粒、母线金属毛刺、外壳金属毛刺、悬浮电位和绝缘子气泡六种缺陷,对GIS设备施加高压以产生局部放电,应用特高频法对局部放电信号进行检测,提取了缺陷脉冲相位分布模式(phase resolved defect pulse,PRDP)特征图谱.利用深度学习的开源框架Caffe搭建AlexNet卷积神经网络来实现PRDP模式识别,与传统的传统模式识别相比较,卷积神经网络简化了模式识别步骤,提高了计算效率,提升了GIS缺陷识别正确率.
其他文献
产教如何深度融合一直是校企合作过程中需要解决的关键性问题之一,而产教融合信息服务平台的构建对于这个问题的探索和实施起着重要的支撑和促进作用,因此有必要探讨产教融合信息服务平台应实现的主要功能和技术实现路径,使产教融合能够迈向“大平台+”演化升级的第二阶段,为产教融合提供数字化、智能化的集成化大平台.
在分析现有三种可编程控制器设计方案的基础上,提出将三菱PLC上位机编程软件GXWORK2和STM32单片机相结合的设计方案.通过对三菱FX2N系列PLC硬件电路、通信协议及运行原理进行分析,设计并制作了硬件电路,编写了通信程序和控制程序,实现了使用三菱PLC上位机编程软件GXWORK2下载梯形图程序和对硬件电路控制的功能.目前,该简易可编程控制器已完成试制并成功用于山西某公司的垂直循环车库的控制.