常规的变电站GIS设备支柱绝缘子故障检测方法主要使用局域均值分解(Local Mean Decomposition,LMD)法获取故障检测信号,易受分类模型复杂度变化影响,导致检测的绝缘子故障样本熵偏差较高。因此,需要基于卷积神经网络设计一种全新的变电...常规的变电站GIS设备支柱绝缘子故障检测方法主要使用局域均值分解(Local Mean Decomposition,LMD)法获取故障检测信号,易受分类模型复杂度变化影响,导致检测的绝缘子故障样本熵偏差较高。因此,需要基于卷积神经网络设计一种全新的变电站GIS设备支柱绝缘子故障检测方法。提取变电站GIS设备支柱绝缘子故障检测特征,利用卷积神经网络生成了支柱绝缘子故障检测流程,从而完成了GIS设备支柱绝缘子故障检测。实验结果表明,设计的GIS设备支柱绝缘子卷积神经网络故障检测方法检测的故障样本熵与实际样本熵较拟合,证明设计的支柱绝缘子故障检测方法的检测效果较好,具有可靠性,有一定的应用价值。展开更多
文摘常规的变电站GIS设备支柱绝缘子故障检测方法主要使用局域均值分解(Local Mean Decomposition,LMD)法获取故障检测信号,易受分类模型复杂度变化影响,导致检测的绝缘子故障样本熵偏差较高。因此,需要基于卷积神经网络设计一种全新的变电站GIS设备支柱绝缘子故障检测方法。提取变电站GIS设备支柱绝缘子故障检测特征,利用卷积神经网络生成了支柱绝缘子故障检测流程,从而完成了GIS设备支柱绝缘子故障检测。实验结果表明,设计的GIS设备支柱绝缘子卷积神经网络故障检测方法检测的故障样本熵与实际样本熵较拟合,证明设计的支柱绝缘子故障检测方法的检测效果较好,具有可靠性,有一定的应用价值。