Invention Publication
- Patent Title: 一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用
-
Application No.: CN202210884153.1Application Date: 2022-07-26
-
Publication No.: CN115577236APublication Date: 2023-01-06
- Inventor: 胡迪 , 陈忠 , 杨为 , 朱太云 , 张国宝 , 蔡梦怡 , 吴正阳
- Applicant: 国网安徽省电力有限公司电力科学研究院
- Applicant Address: 安徽省合肥市经济技术开发区紫云路299号
- Assignee: 国网安徽省电力有限公司电力科学研究院
- Current Assignee: 国网安徽省电力有限公司电力科学研究院
- Current Assignee Address: 安徽省合肥市经济技术开发区紫云路299号
- Agency: 洛阳九创知识产权代理事务所
- Agent 狄干强
- Main IPC: G06F18/00
- IPC: G06F18/00 ; G06N3/0464 ; G06N3/08 ; G01R31/12

Abstract:
一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用,属于GIS电气绝缘故障检测领域,通过现场检测以及积累,构建绝缘故障局放信号数据样本集,常见的信号类型主要包括尖端放电、沿面放电、悬浮放电、自由金属颗粒放电以及无故障的噪声信号;然后搭建卷积神经网络模型,通过网络训练获取模型,识别局放信号类别,实现绝缘故障类型的诊断。本发明采用自适应学习率CNN模型,对学习率进行了自动优化处理,具体是在每次迭代时求得学习率的最优值,并应用于下一次迭代的网络参数优化过程当中,实现学习率的自动调节,提升识别准确率,更加精准、快速的识别局部放电信号类型,提高绝缘故障检测的效率。
Information query