[发明专利]基于卷积神经网络的局部放电缺陷类型的识别方法及系统有效
| 申请号： | 201711106430.1 | 申请日： | 2017-11-10 |
| 公开（公告）号： | CN107907799B | 公开（公告）日： | 2020-10-09 |
| 发明（设计）人： | 邵先军;何文林;刘石;詹江杨;钱平;徐华;郑一鸣;杨智;常丁戈;朱明晓;张冠军 | 申请（专利权）人： | 国网浙江省电力公司电力科学研究院;西安交通大学 |
| 主分类号： | G01R31/12 | 分类号： | G01R31/12 |
| 代理公司： | 浙江翔隆专利事务所(普通合伙) 33206 | 代理人： | 张建青 |
| 地址： | 310014 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于卷积神经网络的局部放电缺陷类型的识别方法及系统。本发明识别方法的步骤包括：A、采集局部放电缺陷类型已知的局部放电信号；B、建立局部放电信息库，其包括若干缺陷类型的局部放电波形信号和相应的缺陷类型；C、搭建用于模式识别的卷积神经网络；D、将局部放电信息库中的波形和相应缺陷类型作为输入量，训练卷积神经网络；E、采集待定缺陷类型的多次局部放电信号；F、将待定缺陷类型的局部放电波形数据输入训练好的卷积神经网络，输出中占比最大的缺陷类型作为最终的缺陷类型。本发明避免了传统识别算法中复杂的特征提取和数据重建过程，能更准确地识别缺陷类型，且易于实现。 | ||
| 搜索关键词： | 基于 卷积 神经网络 局部 放电 缺陷 类型 识别 方法 系统 | ||
【主权项】：
基于卷积神经网络的局部放电缺陷类型的识别方法，其特征在于，包括如下步骤：A、采集局部放电缺陷类型已知的局部放电信号；B、根据步骤A建立局部放电信息库，其包括若干缺陷类型的局部放电波形信号和相应的缺陷类型；C、搭建用于模式识别的卷积神经网络；D、将局部放电信息库中的局部放电信号波形和相应缺陷类型作为输入量，训练卷积神经网络；E、采集待定缺陷类型的多次局部放电信号；F、将待定缺陷类型的局部放电波形数据输入训练好的卷积神经网络，输出中占比最大的缺陷类型作为最终的缺陷类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网浙江省电力公司电力科学研究院;西安交通大学，未经国网浙江省电力公司电力科学研究院;西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711106430.1/，转载请声明来源钻瓜专利网。
