基于神经网络的高压直流气体绝缘系统中特高频局部放电信号的可泛化分类
机器学习
2023-07-19 v2 计算机视觉与模式识别
摘要
未检测到的局部放电(PDs)是高压(HV)气体绝缘系统(GIS)中的安全关键问题。尽管交流电压下PD的诊断已较为成熟，直流电压下PD的分析仍是一个活跃的研究领域。这些研究的一个关键焦点是对不同PD源进行分类，以便后续进行精细分析。本文提出并分析了一种基于神经网络的方法，用于对高压直流GIS绝缘子上金属突出物和导电颗粒引起的PD信号进行分类，且不依赖于脉冲序列分析特征。与以往方法不同，我们所提出的模型能够区分在负电位和正电位下获得的所研究PD信号，同时还能泛化到未见过的运行电压倍数。此外，我们比较了时域和频域输入信号的性能，并探讨了不同归一化方案对减轻传感器与缺陷位置之间自由空间路径损耗影响的作用。
引用
@article{arxiv.2307.08466,
title = {Generalizable Classification of UHF Partial Discharge Signals in Gas-Insulated HVDC Systems Using Neural Networks},
author = {Steffen Seitz and Thomas Götz and Christopher Lindenberg and Ronald Tetzlaff and Stephan Schlegel},
journal= {arXiv preprint arXiv:2307.08466},
year = {2023}
}
备注
8 pages, submitted to IEEE Transactions on Power Delivery