电工电能新技术

作者：胡蝶1， 李晓枫2， 姜晓峰1， 阳瑞霖1， 刘阳2， 董明2

单位：1.五凌电力有限公司， 湖南 长沙 410004;
2.电工材料电气绝缘全国重点实验室（西安交通大学）， 陕西 西安 710049

关键词：油纸绝缘； 局部放电； 深度学习； 多光谱信息； 模式识别

基金：长沙市科技计划项目（kh2201277）

为了获得更丰富的放电特征信息，提高局部放电诊断的效率，提出了一种多光谱信息下的油纸绝缘局部放电深度学习融合方法。首先，基于微型光学传感器件和局部放电光谱分布，构建了局部放电多光谱同步检测平台，通过实验获得了四种放电类型的多光谱数据；然后构建卷积神经网络模型，将不同光谱段的局部放电数据作为模型不同通道的输入，利用通道级融合提取多光谱信号中的有效信息，对油纸绝缘局部放电类型进行准确辨识。结果表明：不同放电类型的多光谱信息可以作为模式识别的有效特征；引入多光谱信息后，本文所提方法的识别准确率可以达到98%以上，相比于仅使用脉冲电流信号有着明显的提升；相比于统计特征参数分析法和深度神经网络，提出的方法对多光谱信息融合的效果更好，识别的准确率更高。

来源：2024年第10期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2024年第10期