基于MSSST和强化轻量级卷积神经网络的有载分接开关运行工况识别

针对实际运行环境下变压器有载分接开关运行工况识别效果不佳的问题,提出一种基于MSSST(多重同步压缩S变换)和RLCNN(强化轻量级卷积神经网络)的工况识别方法。在该方法中,将MSSST理论引入电力设备状态监测领域,用于对有载分接开关振动信号进行分析处理,从而有效刻画信号的二维时频特征。此外,在MobileNetv2轻量级卷积神经网络中融合Adaboost自适应提升机制,提出一种新颖的RLCNN模型,以振动信号二维时频图作为样本对所构建的RLCNN模型进行训练,用于判定有载分接开关运行工况。实验结果表明,所提方法可实现有载分接开关不同运行工况的准确判定,与其他识别方法相比,该方法识别准确性更高、稳定性更好,具有实际工程应用价值。