【技术实现步骤摘要】
一种基于深度残差网络的GIS局部放电类型识别方法
本专利技术属于电力设备绝缘状态评估
，具体涉及一种基于深度残差网络的GIS局部放电类型识别方法。
技术介绍
GIS，是GasInsulatedSwitchgear的简称，气体绝缘开关设备，是变电站中处变压器以外的一次设备。PRPD，是PhaseResolvedPartialDischarge的简称，相位分辩的局部放电，就是把每个带有相位标识的局部放电脉冲按照相位显示出来，放电信息没有时间信息，属于一段时间内的PRPS信息的叠加。GIS依靠其绝缘性好、可靠性高和占用空间小等优点，被广泛应用于电力系统中。然而，在电力系统高温高压的复杂环境下，或者是GIS的制造、运输和装配过程中，不可避免会产生一些安全隐患，如灰尘、导电微粒、金属尖端、气隙等等，其可能会导致各种形式的局部放电，进而导致绝缘故障或电力系统故障。因此，识别局部放电模式和缺陷类型的潜在相关性在GIS设备的绝缘诊断中是一个重要的指标，它能及时发现潜在缺陷和解决已产生的缺陷。不同缺陷类型的局部放...
【技术保护点】
1.一种基于深度残差网络的GIS局部放电类型识别方法，其特征在于，包括如下步骤：/nS1.在被测GIS电气设备处设置特高频传感器，并通过局部放电检测工具接收并处理特高频传感器采集的放电信号，再通过局部放电分析工具，生成PRPD谱图；/nS2.汇总被测GIS电气设备的已有PRPD谱图，根据局部放电缺陷谱图特征将PRPD谱图进行分类并设置标签，生成训练集；/nS3.根据训练集中PRPD谱图尺寸搭建深度残差神经网络分类模型，并确定模型参数；/nS4.通过训练集的PRPD谱图及对应类别标签，对深度残差神经网络分类模型进行模型参数训练，并计算测试准确率，再根据测试准确率调整各模型参数...
【技术特征摘要】
1.一种基于深度残差网络的GIS局部放电类型识别方法，其特征在于，包括如下步骤：
S1.在被测GIS电气设备处设置特高频传感器，并通过局部放电检测工具接收并处理特高频传感器采集的放电信号，再通过局部放电分析工具，生成PRPD谱图；
S2.汇总被测GIS电气设备的已有PRPD谱图，根据局部放电缺陷谱图特征将PRPD谱图进行分类并设置标签，生成训练集；
S3.根据训练集中PRPD谱图尺寸搭建深度残差神经网络分类模型，并确定模型参数；
S4.通过训练集的PRPD谱图及对应类别标签，对深度残差神经网络分类模型进行模型参数训练，并计算测试准确率，再根据测试准确率调整各模型参数的权重；
S5.使用训练完成的深度残差神经网络分类模型，自动对未知类型的PRPD谱图进行判定。
2.如权利要求1所述的基于深度残差网络的GIS局部放电类型识别方法，其特征在于，步骤S1中采用型号为PDS701的圆盘型特高频传感器。
3.如权利要求1所述的基于深度残差网络的GIS局部放电类型识别方法，其特征在于，步骤S2具体步骤如下：
S21.汇总被测GIS电气设备的已有PRPD谱图；
S22.判断已有PRPD谱图的放电缺陷谱图特征；
S23.若谱图特征为：局部放电脉冲中相位处于负半周峰值处的比例超过比例阈值，且幅度超过幅度阈值，则判定对应PRPD谱图为尖端放电类型，进入步骤S3；
S24.若谱图特征为：局部放电脉冲中相位均匀分布于整个相位，且放电量之间差值小于误差阈值，则判定对应PRPD谱图为自由微粒放电类型，进入步骤S3；
S25.若谱图特征为：局部放电脉冲中相位处于负半周下降沿处比例超过比例阈值，则判定对应PRPD谱图为沿面放电类型，进入步骤S3；
S26.若谱图特征为：局部放电脉冲中相位处于正负半周的峰值处的比例超过比例阈值，且幅值小于幅值阈值，则判定对应PRPD谱图为悬浮电极放电类型，进入步骤S3。
4.如权利要求1所述的基于深度残差网络的GIS局部放电类型识别方法，其特征在于，步骤S3具体步骤如下：
S31.获取训练集中PRPD谱图尺寸，并以PRPD谱图作为网络输入，以局部放电缺陷类型作为网络输出，搭建深度残差神经网络分类模型ResNet；
S32.设定深度残差神经网络分类模型ResNet的层数、各层网络参数及初始权重；
S33.设定深度残差神经网络分类模型ResNet的训练参数。
5.如权利要求4所述的基于深度...
【专利技术属性】
技术研发人员：刑振华，赵治国，许行，李兆飞，叶俊，郭昱廷，韩平，秦松，
申请(专利权)人：国网山东省电力公司泰安供电公司，国家电网有限公司，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。