基于卷积神经网络的开关柜局部放电故障识别

论文摘要

目前的局部放电故障的分类算法大多是浅层学习算法,人工提取的特征直接影响分类结果。与浅层学习算法相对,深度学习具有更深的架构,能够自动从样本中学习特征,卷积神经网络是典型的深度学习算法。本文旨在研究卷积神经网络在开关柜局部放电的应用,证明深度学习架构能够有效提高识别率。本实验共采集正常和故障两种可听声信号,将以上两类声音信号进行提取特征后,分别放入SVM模型和卷积神经网络中进行分类。实验结果表明,卷积神经网络比传统的SVM提高了声音识别的准确度。

论文目录

文章来源

类型: 期刊论文

作者: 王菲菲,阮爱民,魏刚,孙海渤

关键词: 开关柜绝缘故障,可闻声信号,卷积神经网络

来源: 电气技术 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 南京工程学院,江苏省电力有限公司镇江供电分公司

分类号: TM591;TP183

页码: 76-81

总页数: 6

文件大小: 1251K

下载量: 188

相关论文文献

标签：开关柜绝缘故障论文;  可闻声信号论文;  卷积神经网络论文;