基于深度学习融合的高压电缆局部放电诊断算法研究

作者：杨朝锋; 王敏; 赵胜男^*; 吴宁; 董泉; 崔杰; 韩旭涛

来源：高压电器, 2023, 59(11): 65-73.

DOI：10.13296/j.1001-1609.hva.2023.11.008

• 局部放电
• 谱图特性
• 模式识别
• 深度学习
• 混合智能

为了研究电力电缆局部放电的模式识别，解决传统单一智能算法识别率低的问题，文中提出了一种融合多深度学习算法的混合智能算法。首先，设计并制作5种典型缺陷模型以模拟实际电力电缆中的缺陷，据此展开实验并收集数据；然后，通过对PRPD谱图的相窗归一化、去极端值等改进，以及绘制PRCD谱图，更全面凸显局部放电有用特征；最后，训练基于PRPD或PRCD的多种深度学习分算法，通过可信度融合得到混合智能算法。实验结果表明，该混合智能算法相比常规单一深度学习算法识别率有显著提升，总体可达98.504%，能够准确分辨出模拟电力电缆缺陷的5种类型，具有良好应用前景。

• 单位
  国网河南省电力公司; 西安交通大学