电网技术

2019, v.43;No.427(06) 1900-1907

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于相似矩阵盲源分离与卷积神经网络的局部放电超声信号深度学习模式识别方法
Pattern Recognition of Partial Discharge Ultrasonic Signal Based on Similar Matrix BSS and Deep Learning CNN

张重远;岳浩天;王博闻;刘云鹏;罗世豪;

摘要(Abstract):

电气设备的故障类型与局部放电现象密切相关,有效提取和分析局部放电信号中的特征信息对故障类型判断和运维检修具有重要意义。针对局部放电超声信号的特点,提出了基于相似矩阵的盲源分离方法对原始超声信号进行预处理,有效提取局部放电的特征量。采用光纤传输的局部放电超声检测平台对4种类型的局部放电信号进行采集,并应用上述方法对信号数据预处理,将处理后的数据作为训练样本用于深度学习模式识别,选用卷积神经网络,最终识别准确率达到90%以上,提高了局部放电类型识别的准确性,为新一代电力系统的设备故障诊断提供了一种新方法。

关键词(KeyWords): 局部放电;超声波;盲源分离;相似矩阵;深度学习;卷积神经网络

Abstract:

Keywords:

基金项目(Foundation): 国家电网有限公司科技项目(5200201955095A0000)~~

作者(Author): 张重远;岳浩天;王博闻;刘云鹏;罗世豪;

Email:

DOI: 10.13335/j.1000-3673.pst.2018.2365

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享