基于神经监督决策树算法的多感知GIS局部放电识别

为充分表现并利用GIS缺陷的物理联系引导故障诊断,提高GIS局部放电故障诊断方法的可靠性与可解释性,该文提出神经监督决策树算法(neural supervision decision tree,NSDT)实现GIS局部放电高准确率下的可解释故障诊断。将卷积神经网络最终线性层替换为层次结构,构建诱导层。使用树监督损失函数优化节点代表向量,并通过调整softmax函数抑制层次损失。构建监督层,通过原始神经网络输出向量对诱导层输出进行监督修正,在保留可解释性的基础上,提高识别准确率。通过110 kV声光电多感知GIS平台收集导杆尖端、外壳尖端、高压端沿面3种典型单源缺陷局放数据,并组成3种双源缺陷,测试NSDT方法性能表现。试验结果表明,NSDT多级神经决策结构能够准确地识别GIS局部放电类型,相较于卷积神经网络(convolutional neural network,CNN)等传统深度神经网络识别方法,识别可靠性更高,决策信息更加丰富,可解释性更强。