[发明专利]一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法在审
| 申请号： | 201910628466.9 | 申请日： | 2019-07-12 |
| 公开（公告）号： | CN110244205A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 张安安;林钰;何嘉辉;苏天赐;李茜;杨威;曲广龙 | 申请（专利权）人： | 西南石油大学 |
| 主分类号： | G01R31/12 | 分类号： | G01R31/12;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610500 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的目的是针对现有技术不足而提供一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法，其特点是针对现有基于卷积神经网络的电缆附件绝缘故障识别方法存在对数据集要求较大的问题，并实现对数据特征的深入挖掘。以单位工频周期内的局放信号为对象，利用相空间重构进行等价变换，提取几何和混沌特征；同时提取熵、分形和时域特征，达到增加特征数据体量的目的，共提取特征17个，采用试验得到的一维卷积神经网络对绝缘进行模式识别。本发明在保证较高绝缘故障识别率的情况下，解决了卷积神经网络在电缆附件绝缘故障类型识别应用中对数据集要求较大的问题，并实现对数据特征的充分提取。 | ||
| 搜索关键词： | 卷积神经网络 电缆附件 局部放电 绝缘故障 数据特征 小数据量 数据集 相空间重构 等价变换 工频周期 故障识别 混沌特征 局放信号 模式识别 神经网络 时域特征 特征数据 提取特征 一维卷积 高绝缘 分形 绝缘 挖掘 试验 应用 保证 | ||
【主权项】：
1.一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法，其特征在于，所述方法包括：通过局部放电试验平台在线采集局放信号，即在完整的电缆附件上人工设计和制作特定类型的绝缘故障，将电缆与高压试验平台连接，在通电条件下使用超高频电流传感器在线采集局放信号，同时使用示波器不间断保存一定长度的局放信号作为分析对象。
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西南石油大学，未经西南石油大学许可，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/201910628466.9/，转载请声明来源钻瓜专利网。
