基于卷积神经网络的开关柜局部放电故障识别 |
| |
引用本文: | 王菲菲,阮爱民,魏刚,孙海渤.基于卷积神经网络的开关柜局部放电故障识别[J].电气技术,2019,20(4). |
| |
作者姓名: | 王菲菲 阮爱民 魏刚 孙海渤 |
| |
作者单位: | 南京工程学院,南京,210000;江苏省电力有限公司镇江供电分公司,江苏镇江,212000 |
| |
摘 要: | 目前的局部放电故障的分类算法大多是浅层学习算法,人工提取的特征直接影响分类结果。与浅层学习算法相对,深度学习具有更深的架构,能够自动从样本中学习特征,卷积神经网络是典型的深度学习算法。本文旨在研究卷积神经网络在开关柜局部放电的应用,证明深度学习架构能够有效提高识别率。本实验共采集正常和故障两种可听声信号,将以上两类声音信号进行提取特征后,分别放入SVM模型和卷积神经网络中进行分类。实验结果表明,卷积神经网络比传统的SVM提高了声音识别的准确度。
|
关 键 词: | 开关柜绝缘故障 可闻声信号 卷积神经网络 SVM |
本文献已被 CNKI 万方数据 等数据库收录! |
|