【技术实现步骤摘要】
一种基于深度子域适配迁移网络的开关柜局部放电模式识别方法
[0001]本专利技术属于开关柜局部放电模式识别
,尤其涉及一种基于深度子域适配迁移网络的开关柜局部放电模式识别方法。
技术介绍
[0002]开关柜是配电网中的主要设备,其运行状态与配电网息息相关。由于封闭在柜内的电力设备长期运行后会不可避免的产生绝缘缺陷,严重时将会发展成设备故障,影响配电网的安全可靠运行。局部放电是开关柜存在绝缘缺陷的重要表现形式,利用局部放电带电检测数据对设备绝缘缺陷进行模式识别,能够提前了解设备的缺陷和问题,有助于后期对设备进行有针对性的检测与检修。
[0003]传统基于局部放电检测数据进行模式识别的方法主要利用专家知识,对人工经验依赖高,缺乏一定的泛化性能。近年来,随着深度学习(deep learning,DL)的快速发展,循环神经网络(RNN)、卷积神经网络(CNN)等模型被广泛应用于局部放电模式识别领域。深度学习基于数据驱动,能够自主学习数据特征,具有更好的数据挖掘能力。然而深度网络的训练需要大量带标记的数据,现实中遇到的通 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度子域适配迁移网络的开关柜局部放电模式识别方法,其特征在于:包括以下步骤:S1、数据预处理:首先采用高斯滤波,然后采用自适应的空间域滤波对脉冲序列相位分布图谱数据进行过滤去噪,实现对局部放电数据对表达;S2、搭建深度神经网络,神经网络包括由卷积网络组成的特征提取器、有全连接网络组成的分类器,以及域适应网络;S3、把源系统的数据和标签以及目标系统的数据同时喂入神经网络中进行训练;S4、用训练好的神经网络来进行开关柜的模式识别。2.如权利要求1所述的一种基于深度子域适配迁移网络的开关柜局部放电模式识别方法,其特征在于:所述采用自适应的空间域滤波对脉冲序列相位分布图谱数据进行过滤去噪,实现对局部放电数据对表达,具体为:其中m、n为滤波器尺寸;k为权重大小;Sxy为领域坐标集合。3.如权利要求1所述的一种基于深度子域适配迁移网络的开关柜局部放电模式识别方法,其特征在于:所述卷积网络的结构包括:卷积层、批归一化层、Dropout层、池化层、激活层。4.如权利要求2所述的一种基于深度子域适配迁移网络的开关柜局部放电模式识别方法,其特征在于:所述卷积层的数学公式为:式中表示卷积操作输出值,n表示输入数据的通道数,表示卷积运算,k
j
表示卷积核参数,s∈R
m,n
,m,n分别为卷积区域长和宽,h表示是卷积区域的长度,b是偏差;所述批归一化层可由以下数学公式表示:所述批归一化层可由以下数学公式表示:所述批归一化层可由以下数学公式表示:所述批归一化层可由以下数学公式表示:其中x
n
和y
n
分别代表小批量的输入和输出特征;μ和σ2分别代表均值和方差;H是批次大小;∈是一个极小值,其作用是防止分母为零;γ和β是两个可训练的参数,用于缩放和移动
分布;所述Dropout层通过在神经网络训练时,以一定概率移除神经元来防止神经网络出现过拟合;所述池化层通过下采样来降低特征维度,去除冗余信息,对特征进行进一步压缩,简化网络复杂度;池化层可由如下公式表示:其中,x
i
表示区域中指定神经元的活动值,是池化层输出值;所述激活层用于增强神经网络的非线性能力;所述激活层...
【专利技术属性】
技术研发人员:沈怡俊,章群锋,廖小云,王迎,王鑫,
申请(专利权)人:科润智能控制股份有限公司,
类型:发明
国别省市:
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。