基于卷积网络的GIS局部放电缺陷诊断方法与应用

摘要

局部放电检测信号是判断GIS设备是否存在绝缘缺陷的重要判据,变电站复杂电磁信号干扰增加了现场局部放电模式的识别难度,易造成误报.因此提出了一种基于卷积网络的GIS局部放电缺陷诊断方法,将干扰下的检测图谱作为模型识别中的一种输出类型,研究基于VGG-16结构卷积神经网络的局部放电模式识别算法,利用迁移学习对模型参数进行初始化,从构建的变电站GIS设备特高频检测图谱库中抽取样本作为训练集和测试集,通过模型训练得到识别模型.为辅助现场运维,设计基于两层架构的GIS局部放电缺陷诊断和运维系统以及实现流程,应用到某市供电公司GIS运维中,结果表明,GIS局部放电缺陷诊断方法及系统可有效识别出特高频检测图谱中的缺陷类型和干扰,为现场运维决策提供依据,提升现场运维检修效率.