基于 AWA-CNN 框架的开关电压下单相和混合部分放电分类
机器学习
2026-05-21 v1 计算工程、金融与科学
新兴技术
摘要
快速开关电源电子的日益增长，使得在开关电压激励下进行部分放电 (PD) 分析越来越重要，但也比在正弦条件下更具挑战性，因为活动集中在电压转换处。本文提出一种用于开关电压激励下源向 PD 分析的�幅-宽度-面积 (AWA) 模式表示方法。在所提方法中，以时域 PD 脉冲的脉冲�幅、宽度和面积进行特征描述，并映射到视觉模式，其中�幅和面积定义坐标轴，宽度通过颜色编码。生成的 AWA 模式用于区分六种单相和混合 PD 源条件：晴雨、内部、表面、晴雨+内部、晴雨+表面和内部+表面。为评估所提表示方法的分类能力，比较了随机森林基线和两种卷积神经网络 (CNN) 模型，即 InceptionV3 和 ResNet-18。结果表明，AWA 模式显示出源相关分布的可区分性，CNN 基于的分类在测试准确率可达 96% 以上，而随机森林仅为 73.33%。结果表明，AWA 模式为在开关电压激励下实现多类 PD 源分类提供了适合的视觉表示。
引用
@article{arxiv.2605.21352,
title = {Classification of Single and Mixed Partial Discharges under Switching Voltage Using an AWA-CNN Framework},
author = {Md Rafid Kaysar Shagor and Zannatul Ferdousy Mouri and Farhina Haque and Anindya Bijoy Das},
journal= {arXiv preprint arXiv:2605.21352},
year = {2026}
}