基于BAGAN-CNN的局部放电模式识别 |
| |
作者姓名: | 周云海 靳广伟 于高缘 黄伟 迟婉求 黄南天 |
| |
作者单位: | 1. 安徽吉电新能源有限公司;2. 东北电力大学电气工程学院 |
| |
基金项目: | 国家重点研发计划(2022YFB2404002); |
| |
摘 要: | 电力设备发生局部放电为小概率事件,现场检测出的局部放电脉冲相位分析图谱样本具有数量稀少、样本类别比例不平衡的问题,导致难以训练出能够准确判断局部放电类型的分类器。为了扩充并平衡不同种类局部放电样本的数量,提高局部放电模式识别准确率,提出一种基于BAGAN-CNN的局部放电模式识别方法。首先,构建BAGAN(Balancing GAN)网络模型,解决原始ACGAN损失函数矛盾的问题,使BAGAN生成器能够生成样本种类稀少的局部放电数据。然后,将原始样本和增强样本作为分类器输入,构造卷积神经网络,自动提取局部放电特征,并通过Softmax层进行分类。实验表明,通过BAGAN生成的数据相比于其他数据扩充方法,能够生成更高质量局部放电样本;相较于传统分类器,CNN分类器的识别准确率更高。
|
关 键 词: | 局部放电 生成对抗网络 模式识别 局部放电脉冲相位分析图谱 卷积神经网络 |
|