科研之友
微信
新浪微博
Facebook
分享链接
摘要
为充分利用局部放电(partial discharge,PD)信号的特征信息和特征与特征之间的关联性,来提高局部放电诊断准确性,该文提出一种基于图信号和图卷积网络(graph convolutional network,GCN)的局部放电诊断方法。首先,选取局部放电脉冲的时频谱构建图信号,将时频谱灰度矩阵的子矩阵(即局部特征)作为图节点,并考虑节点的空间相邻和特征相似性为每个节点匹配邻居,以形成局部特征区域间的拓扑关联,丰富局部放电时频谱的数据信息。然后,采用GCN融合图信号的节点特征和拓扑结构以自主学习局部放电特征、识别放电类型。结果表明,所提方法可以有效地诊断局部放电类型,相较于传统的深度学习方法,对于局部放电时频谱的信息利用更为全面,识别准确率更高,且随着样本规模减小,识别优势更加明显。
-
单位华北电力大学; 电子工程学院
