基于深度卷积神经网络的变电一次设备故障检测方法

为解决传统变电一次设备故障检测方法中存在的故障检测误报率及漏报率等问题，提出了基于深度卷积神经网络的变电一次设备故障检测方法。在多种光照条件下采集变电一次设备图像和场景图像，组建变电一次设备数据集合场景数据集，再对各类型数据集进行预处理。通过深度卷积网络自适应方法提取变电一次设备的时域和频域信号特征，将深度卷积神经网络作为特征提取器，利用免疫学习特性形成未知故障检测器，实现变电一次设备故障检测。实验结果表明：所提方法能够有效降低变电一次设备故障误报率和漏报率，切实提高了检测及时性和故障辨识率。