基于改进的Wasserstein生成对抗网络和深度残差网络的电缆中间接头局部放电缺陷识别

摘要：

随着"碳达峰、碳中和"目标的明确,中国已有较多风光电场使用铝电缆作为直埋输电电缆,来实现成本的降低和清洁能源的利用.由于铝电缆接头相位分辨的局部放电(phase resolved partial discharge,PRPD)谱图样本数量有限,导致训练模式识别的网络识别准确率低、泛化能力差等问题.通过设计3种电缆接头典型缺陷,搭建局部放电实验平台,运用改进的Wasserstein生成对抗网络训练样本数据,借以生成更多新的图像数据,进而将生成样本和原始样本同时投入深度残差网络训练,该方法识别准确率达97.82％.与数据扩充前后不同层数深度残差网络和普通卷积神经网络训练的准确率比较结果,证明了该方法能够有效提升基于小样本条件下的识别准确率,对实际工程具有一定指导意义.

关键词：电缆中间接头、局部放电、数据扩充、模式识别

所属期刊栏目：22

分类号：TM855(高电压技术)

资助基金：河南省科技重大专项HNKJ21-HF194

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：15650-15658