文档名：结合知识蒸馏和图神经网络的局部放电增量识别方法
摘要：当前,基于深度学习的局部放电识别方法缺乏在模型训练后继续学习新增多样性数据样本的方案.为此,该文提出一种结合知识蒸馏和图神经网络(GNN)的局部放电增量识别方法:通过回放少量局部放电旧数据,实现原始模型与新模型间的先验知识共享,以避免知识遗忘;利用先验知识辅助新模型学习局部放电新数据、提升泛化能力;为适应新增数据规模的不确定性,新模型采用与GNN相结合的方式构建,可以协同学习放电特征以及各类放电间丰富的关联信息,弥补有限样本的信息不足.实验结果表明,该方法能够渐进地学习陆续新增的局部放电数据,且不受新数据规模的制约,增量学习后模型对新数据的识别率提升近18％;模型更新所需的计算资源更少,相较于重新训练,显存和内存占用分别下降67.9％和72.7％;具有较好的可推广性,对基于AlexNet、ResNet等网络的局部放电识别模型均能够实现增量式更新.
作者：张翼 朱永利Author：ZhangYi ZhuYongli
作者单位：华北电力大学电气与电子工程学院保定071003
刊名：电工技术学报 ISTICEIPKU
Journal：TransactionsofChinaElectrotechnicalSociety
年，卷(期)：2023, 38(5)
分类号：TM85
关键词：局部放电 深度学习 增量学习 知识蒸馏 图神经网络
机标分类号：TP311TN957.51TM247
在线出版日期：2023年3月17日
基金项目：河北省自然科学基金，国家自然科学基金，特高压工程技术(昆明、广州)国家工程实验室开放基金资助项目结合知识蒸馏和图神经网络的局部放电增量识别方法[
期刊论文] 电工技术学报--2023, 38(5)张翼 朱永利当前,基于深度学习的局部放电识别方法缺乏在模型训练后继续学习新增多样性数据样本的方案.为此,该文提出一种结合知识蒸馏和图神经网络(GNN)的局部放电增量识别方法:通过回放少量局部放电旧数据,实现原始模型与新模型间...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
结合知识蒸馏和图神经网络的局部放电增量识别方法 Incremental Partial Discharge Recognition Method Combining Knowledge Distillation with Graph Neural Network
结合知识蒸馏和图神经网络的局部放电增量识别方法.pdf
- 文件大小:
- 1.76 MB
- 下载次数:
- 60
-
高速下载
|
