基于代价敏感和双分支结构的气体开关设备PD识别方法技术

本发明专利技术公开了基于代价敏感和双分支结构的气体开关设备PD识别方法，包括步骤：S1、搭建一维卷积神经网络提取原始特高频数据时序特征；S2、逐个求解各类样本的有效样本数目，构建类有效样本数目代价敏感机制；S3、在Res2Net中融入类有效样本代价敏感机制，提高模型对少数类关注度；S4、搭建双边分支网络结构，优化算法训练过程；S5、基于实测PD特高频数据，完成模型训练，实现PD模式识别。本发明专利技术包括类有效样本数目代价敏感机制、Res2Net算法改进和双边分支网络结构构建，能够很好的缓解常规再平衡学习方法导致模型表示学习性能下降的问题，全面提高模型处理不平衡学习问题的鲁棒性，提高PD模式识别准确率。模式识别准确率。模式识别准确率。

【技术实现步骤摘要】
基于代价敏感和双分支结构的气体开关设备PD识别方法


[0001]本专利技术涉及GIS PD模式识别领域，具体为一种基于代价敏感和双分支结构的气体开关设备PD识别方法。

技术介绍

[0002]Gas insulated switchgear(GIS)因具有体积小、绝缘性能优良和安装简易的特性，在新型电力系统和智能变电站中得到大范围的应用。然而在生产制造、运输、安装、机械操作等过程中不可避免的产生设备缺陷，诱发GIS在运行中发生局部放电(PD)。PD模式类型作为评估GIS绝缘劣化程度的重要因素，准确识别PD模式是感知GIS绝缘状态的关键步骤，对保障电能可靠传输具有重要研究意义。
[0003]随着放电特高频(Ultra High Frequency，UHF)检测技术的成熟，基于UHF数据的PD特征构建与PD模式识别成为了当前的主要研究方向。其中，特征构建包括统计特征、分形特征、波形特征等。近年来，随着UHF数据量的增长和计算机技术的发展，卷积神经网络(CNN)强大的学习能力很好地消除了人工编制PD特征的过程，成为了当前识别PD模式的重要技术手本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于代价敏感和双分支结构的气体开关设备PD识别方法，其特征在于，包括以下步骤：S1、搭建一维卷积神经网络，通过平滑移动卷积核窗口，逐步提取原始特高频数据时序特征，并利用特征拼接构造二维特征图谱；原始特高频数据包括沿面放电、尖端放电、颗粒放电和绝缘子气隙放电的4种放电类型数据；S2、建立有效样本数目与实际样本数目关系，求解各类样本有效数目，构建类有效样本数目搭建敏感机制；S3、将步骤S2中的代价敏感矩阵融入Res2Net网络，构建类有效样本数目约束Res2Net模型，基于类有效样本数目约束Res2Net模型的测试效果确定样本空间理论样本数目；S4、搭建含有常规学习和再平衡学习的双边分支网络结构，实现算法训练过程中由常规学习到再平衡学习的平稳过渡；S5、基于实测PD特高频数据，完成双边分支网络结构训练，使用训练后的双边分支网络结构识别PD模式。2.根据权利要求1所述的基于代价敏感和双分支结构的气体开关设备PD识别方法，其特征在于，步骤S1中，一维卷积神经网络直接提取原始数据时序特征，通过滑动卷积核实现时序特征提取。3.根据权利要求1所述的基于代价敏感和双分支结构的气体开关设备PD识别方法，其特征在于，一维卷积核窗口大小为1
×
37，滑动步长为1，卷积核数目为64。4.根据权利要求1所述的基于代价敏感和双分支结构的气体开关设备PD识别方法，其特征在于，步骤S2中，基于随机覆盖建立样本实际数目与有效样本体积间的关系，进而构造类有效样本代价敏感机制：式中，λ表示中间变量；M表示样本空间中理论有效样本数目；n表示实际样本数目；E
n
表示有效样本数目。5.根据权利要求1所述的基于代价敏感和双分支结构的气体开关设备PD识别方法，其特征在于，基于类有效样本数目约束Res2Net模型的惩罚权重矩阵W：式中表示第j类的样本有效数目；w
M
表示W矩阵中第M个对角元素。6.根据权利要求1所述的基于代价敏感和双分支结构的气体开关设备PD识别方法，其特征在于，基于类有效样本数目约束Res2Net模型的损失函数如下：Loss
Res2Net
＝W

【专利技术属性】
技术研发人员：谢从珍，余松，王纪港，苟彬，徐华松，林柏森，梁国龙，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：