基于数据降维和深度学习的开关柜局部放电模式识别方法

    公开(公告)号:CN115792527A

    公开(公告)日:2023-03-14

    申请号:CN202211480120.7

    申请日:2022-11-24

    摘要: 一种基于数据降维和深度学习的开关柜局部放电模式识别方法,属于电力设备在线监测与故障诊断的技术领域。本发明的目的是采用开关柜局部放电监测数据,进行主成分分析法进行降维后,得到的输入矩阵输入至卷积神经网络中进行训练和分类识别的基于数据降维和深度学习的开关柜局部放电模式识别方法。本发明的步骤是:确定开关柜的典型局部放电类型,获得开关柜不同局部放电状态的PRPS监测样本数据,设置不同局部放电类型对应的CNN数据标签,对所有训练集数据进行PCA降维,将训练集数据和标签输入至CNN识别模型中进行迭代训练,更新模型参数,将测试集数据输入至训练完成的模型中,并将所得结果与真实局部放电状态进行对比。本发明可以及时发现开关柜的局部放电现象、确定局部放电模式,保证开关柜运行的可靠性和稳定性。