基于HOG特征提取的累计PRPD局放类型识别算法优化研究

高 存玉, 郑 嘉楠, 黄 正
上海欧秒电力监测设备有限公司

摘要


针对传统相位分辨局部放电（PRPD）谱图分析中人工特征提取效率低、噪声干扰敏感等问题，本文提出一种基于累计PRPD（C-PRPD）与方向梯度直方图（HOG）特征的局放类型识别方法。通过构建时间窗口的C-PRPD谱图，结合改进的多尺度HOG特征提取算法，采用3层隐藏层的人工神经网络实现端到端分类。实验结果表明，该方法在5种典型放电类型中平均识别正确率达96.6%。研究为电力设备智能化局放监测提供了高效解决方案。

关键词


局部放电；HOG特征提取；累计PRPD图；局放类型识别

全文:

PDF


参考


[1]钱勇，黄成军，江秀臣，等.基于超高频法的GIS局部放电在线监测研究现状及展望[J].电网技术，2005，（01）：40.

[2]宋思蒙，钱勇，王辉，等.基于方向梯度直方图属性空间的局部放电模式识别改进算法[J].电工技术学报，2021，36（10）：2153.

[3]李成榕，王彩雄，唐志国，等.基于聚类分析的变压器局部放电智能诊断的研究[J].华北电力大学学报，2008，（06：7.

[4]郭俊，吴广宁，张血琴，等.局部放电检测技术的现状和发展[J].电工技术学报，2005，（02）：29.

[5]张微.GIS设备局部放电检测技术的试验研究[D].华北电力大学，2012.

[6]贾卫军，张涛，李智.基于改进CNN的GIS局部放电故障诊断[J].信息技术，2024，（03）：90.

[7]王婷婷，丁浩，张周胜.基于深度学习和多模型融合的局部放电模式识别方法[J].电力工程技术，2023，42（03）：188.

[8]杨景刚，邓敏，马勇，等.基于深度学习的PRPD数据特征提取方法[J].电测与仪表，2020，57（03）：99.

[9]钟逸诚.基于轻量化卷积神经网络的局部放电模式识别研究[D].东华理工大学，2023.

[10]代少升，任忠，赖智颖，等.基于PRPD图谱多特征融合的局部放电类型识别研究[J].重庆邮电大学学报：自然科学版，2022，34（03）：373.




DOI: http://dx.doi.org/10.12361/2661-3506-07-06-144629

Refbacks

  • 当前没有refback。