文档名：基于BAGANCNN的局部放电模式识别
摘要：电力设备发生局部放电为小概率事件,现场检测出的局部放电脉冲相位分析图谱样本具有数量稀少、样本类别比例不平衡的问题,导致难以训练出能够准确判断局部放电类型的分类器.为了扩充并平衡不同种类局部放电样本的数量,提高局部放电模式识别准确率,提出一种基于BAGAN-CNN的局部放电模式识别方法.首先,构建BAGAN(BalancingGAN)网络模型,解决原始ACGAN损失函数矛盾的问题,使BAGAN生成器能够生成样本种类稀少的局部放电数据.然后,将原始样本和增强样本作为分类器输入,构造卷积神经网络,自动提取局部放电特征,并通过Softmax层进行分类.实验表明,通过BAGAN生成的数据相比于其他数据扩充方法,能够生成更高质量局部放电样本;相较于传统分类器,CNN分类器的识别准确率更高.
作者：周云海 靳广伟 于高缘 黄伟 迟婉求 黄南天 Author：ZHOUYunhai JINGuangwei YUGaoyuan HUANGWei CHIWanqiu HUANGNantian
作者单位：安徽吉电新能源有限公司,安徽合肥230000东北电力大学电气工程学院,吉林吉林132012山东吉电新能源有限公司,山东潍坊261000
刊名：电气应用
Journal：ElectrotechnicalApplication
年，卷(期)：2023, 42(7)
分类号：
关键词：局部放电 生成对抗网络 模式识别 局部放电脉冲相位分析图谱 卷积神经网络
Keywords：partialdischarge generativeadversarialnetworks patternrecognition phaseresolvedpartialdischargespectrum convolutionalneuralnetworks
机标分类号：
在线出版日期：2023年9月5日
基金项目：国家重点研发计划，淮南市潘阳光伏发电有限公司科技项目基于BAGAN-CNN的局部放电模式识别[
期刊论文] 电气应用--2023, 42(7)周云海 靳广伟 于高缘 黄伟 迟婉求 黄南天电力设备发生局部放电为小概率事件,现场检测出的局部放电脉冲相位分析图谱样本具有数量稀少、样本类别比例不平衡的问题,导致难以训练出能够准确判断局部放电类型的分类器.为了扩充并平衡不同种类局部放电样本的数量,提...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
基于BAGAN-CNN的局部放电模式识别 Partial discharge pattern recognition based on BAGAN-CNN
基于BAGAN-CNN的局部放电模式识别.pdf
- 文件大小:
- 3.31 MB
- 下载次数:
- 60
-
高速下载
|
|
