申请/专利权人:长春理工大学
申请日:2023-12-12
公开(公告)日:2024-03-01
公开(公告)号:CN117630610A
主分类号:G01R31/12
分类号:G01R31/12;G01R23/16;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.01#公开
摘要:本发明提出一种基于卷积神经网络的高压电缆终端局部放电模式识别方法。具体方法是:搭建高压电缆终端局部放电检测系统,收集局部放电试验数据后绘制出高压电缆终端局部放电相位分布phaseresolvedpartialdischarge,PRPD谱图,再将谱图压缩为二维灰度图作为网络模型的输入;最后建立用于高压电缆终端局部放电识别的卷积神经网络模型。本发明所述的卷积神经网络,解决了高压电缆终端局部放电识别准确率低的问题。所述网络的技术特征采用3×3大小的卷积核及R型激活函数,使得对于高压电缆终端局部放电物理模型的PRPD谱图具有较高的识别率和较快的训练速度,识别过程简单。
主权项:1.一种基于卷积神经网络的高压电缆终端局部放电PRPD谱图识别方法,其特征在于:通过对卷积神经网络结构的改进,利用高压电缆终端不同绝缘缺陷下局部放电产生机理存在的差异性,对局部放电信号进行检测和特征分析,识别高压电缆终端绝缘缺陷类型。具体方法是:搭建高压电缆终端局部放电检测系统,依据实验步骤对放电脉冲进行测量、提取,获得局部放电PRPD谱图并进行压缩,设计出高压电缆终端局部放电模式识别的卷积神经网络并进行效果分析。
全文数据:
权利要求:
百度查询: 长春理工大学 一种基于卷积神经网络的高压电缆终端局部放电PRPD谱图识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。