基于边际谱图像和深度残差网络的变压器局部放电模式识别

作者：高盎然; 朱永利^*; 张翼; 蔡炜豪

来源：电网技术, 2021, 45(06): 2433-2442.

DOI：10.13335/j.1000-3673.pst.2020.0434

• 局部放电
• 模式识别
• Hilbert边际谱
• 图像
• 深度残差网络

针对传统人工特征提取方法易受主观不确定性影响的问题,提出了一种基于变分模态分解(variationalmode decomposition,VMD)-Hilbert边际谱图像和深度残差网络的变压器局部放电模式识别方法。首先,用VMD算法分解局部放电信号,对所得各模态分量做Hilbert变换进而得到信号的边际谱图像作为输入,然后,利用深度残差网络对局部放电类型进行识别,并做了对比实验。所得实验结果表明,提出的深度残差网络在局放模式识别中的正确率可达98%,相比其他经典卷积神经网络具有更好的识别效果,且识别性能显著优于传统的BP神经网络、支持向量机模型。该方法利用残差网络优越的特征提取能力,能够自主学习谱图完整的内在特征,避免了人工提取方法的主观性对识别结果造成的影响,在一定程度上简化了实验步骤,实现了对局部放电Hilbert边际谱图像的直接识别,具有更高的正确识别率和更优的泛化性能。

• 单位
  新能源电力系统国家重点实验室; 华北电力大学