基于深度残差网络的油纸绝缘老化状态识别策略研究

为解决现有油纸绝缘老化识别技术存在的问题,提出一种基于深度残差网络的油纸绝缘老化状态识别方法。首先,基于柱板电极模型开展局部放电试验,获取不同热老化阶段下的油纸绝缘局部放电脉冲相位分布图谱;然后,对试验数据进行样本扩充、图像灰度化等预处理;最后,利用深度残差网络对样品进行模式识别,判断其所属老化阶段,并与SVM和BPNN 2种传统算法进行对比分析。试验结果表明,本文所运用的深度残差网络使油纸绝缘老化状态识别率达到97%,较SVM、BPNN等传统算法分别提升了24%和17%,这得益于深度残差网络对深层特征的自动提取、高训练稳定性和强大的拟合与泛化能力。该方法可以有效地对优质绝缘的不同老化阶段进行识别与分类,为在线识别、评估老化状态等应用奠定了基础。