基于P-CNN的局部放电绝缘故障融合诊断

作者：王涤^*; 马爱军; 归宇; 章璨; 王斌; 张秋实

来源：高电压技术, 2020, 46(08): 2897-2905.

DOI：10.13336/j.1003-6520.hve.20190118

• 绝缘缺陷
• 模式识别
• CNN
• 气体组分分析法
• DS证据理论

绝缘缺陷作为引发封闭式开关设备局部放电的重要因素,对故障类型的有效判断具有重要工程意义,而气体组分分析法作为非电类局部放电检测法,不存在引入噪声,环境干扰等问题。为此提出一种基于概率卷积神经网络(probabilistic-convolutional neural network,P-CNN)融合故障诊断算法,即将特征数据组分快速特征提取和灰度图均衡化的数据预处理方式,引入3种气体组分特征,通过概率神经网络和卷积神经网络分别进行训练,将结果通过DS(Dempster-Shafer)证据理论进行融合。通过设计4种绝缘缺陷模型来模拟故障放电,并进行气体分解组分的特性研究。仿真预测结果表明,与传统机器学习对比,该算法可以在保证识别速度的情况下,有效提升识别正确率。