基于深度学习的GIS设备故障识别技术

作者：祝贺; 孙文凯; 贾亚飞; 王赛豪; 罗俊伟

来源：信息技术, 2021, (09): 57-61.

DOI：10.13274/j.cnki.hdzj.2021.09.011

• 深度学习
• 变电站GIS设备
• 故障
• 识别
• 特征提取

传统GIS设备故障识别方法无法处理负载突变问题,且负载调节不及时,导致故障识别精度偏低。提出基于深度学习的GIS设备故障识别技术,构建动态响应特征检测模型、GIS设备故障特征融合模型以及故障统计特征分析模型。计算故障状态下的电压外环和负载突变参数,提取GIS设备故障属性特征;采用深度学习判断故障识别过程中的参数寻优控制和收敛性,实现对变电站GIS设备故障优化识别和检测,提高GIS设备故障检测识别能力。实验结果表明,所提变电站GIS设备故障识别方法的精度较高,对故障属性类别判断的准确性较好。

• 单位
  平高集团有限公司