基于残差卷积神经网络的开关柜局部放电模式识别

传统的开关柜局部放电模式识别方法缺乏一定的泛化性能且识别准确率低,难以在实际工程中应用.提出了一种基于残差卷积神经网络的开关柜局部放电模式识别方法,通过在网络中加入残差模块以解决随着网络层数加深导致准确度饱和后出现退化的问题,并综合利用开关柜局部放电数据的浅层与深层特征融合学习,实现模式识别.通过开关柜不同绝缘缺陷类别的局部放电模拟实验与配电站现场检测,构建了开关柜局部放电数据样本库,并进行了实验分析.实验结果表明:所提方法的识别正确率达96.06％,相比传统识别方法至少提高了20.22％,且随着训练集样本数量的增加,识别率有更大提升.综合使用特征层融合模块和残差模块,显著提升了模型的泛化性能,更适用于实际工程.