-
题名基于BAGAN-CNN的局部放电模式识别
被引量:1
- 1
-
-
作者
周云海
靳广伟
于高缘
黄伟
迟婉求
黄南天
-
机构
安徽吉电新能源有限公司
东北电力大学电气工程学院
山东吉电新能源有限公司
-
出处
《电气应用》
2023年第7期25-33,共9页
-
基金
国家重点研发计划(2022YFB2404002)
淮南市潘阳光伏发电有限公司科技项目(HNPY-HT/FW-2022-005)。
-
文摘
电力设备发生局部放电为小概率事件,现场检测出的局部放电脉冲相位分析图谱样本具有数量稀少、样本类别比例不平衡的问题,导致难以训练出能够准确判断局部放电类型的分类器。为了扩充并平衡不同种类局部放电样本的数量,提高局部放电模式识别准确率,提出一种基于BAGAN-CNN的局部放电模式识别方法。首先,构建BAGAN(Balancing GAN)网络模型,解决原始ACGAN损失函数矛盾的问题,使BAGAN生成器能够生成样本种类稀少的局部放电数据。然后,将原始样本和增强样本作为分类器输入,构造卷积神经网络,自动提取局部放电特征,并通过Softmax层进行分类。实验表明,通过BAGAN生成的数据相比于其他数据扩充方法,能够生成更高质量局部放电样本;相较于传统分类器,CNN分类器的识别准确率更高。
-
关键词
局部放电
生成对抗网络
模式识别
局部放电脉冲相位分析图谱
卷积神经网络
-
Keywords
partial discharge
generative adversarial networks
pattern recognition
phase resolved partial discharge spectrum
convolutional neural networks
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-