公开(公告)号：CN113156278A

公开(公告)日：2021-07-23

申请号：CN202110297261.4

申请日：2021-03-19

Applicant: 西安理工大学

Inventor： 付钰伟 ,  梁列娟 ,  张志禹 ,  陈驰 ,  王闯 ,  张在秦

IPC: G01R31/12

Abstract: 本发明公开了一种基于CNN网络的GIS局部放电定位方法，具体按照以下步骤实施：步骤1、根据声电联合定位的原理，利用超高频传感器得到脉冲相位序列分布图谱(PRPS图谱)、局部放电相位分布图谱(PRPD图谱)及超高频时域脉冲，超声波传感器得到超声时域脉冲；步骤2、将时域脉冲波形进行预处理，提取局部放电特征向量；步骤3、归一化特征向量；步骤4、利用卷积神经网络CNN，将来自多个传感器获得的特征向量联合起来，进行故障定位，输出故障位置。本发明解决了现有技术中存在的GIS局部放电故障准确定位的问题。

公开(公告)号：CN113960396A

公开(公告)日：2022-01-21

申请号：CN202111229914.1

申请日：2021-10-21

Applicant: 西安理工大学 ,  南方电网科学研究院有限责任公司

Inventor： 付钰伟 ,  梁列娟 ,  成传晖 ,  王闯 ,  陈驰 ,  王婷婷 ,  罗兵

IPC: G01R31/00 ,  G01R31/12

Abstract: 本发明公开了一种基于一维CNN网络的GIS故障诊断方法，具体为：步骤1，通过内置式超高频传感器得到不同局部放电缺陷的超高频时域脉冲谱图；步骤2，对超高频时域脉冲谱图进行数据预处理并通过采样得到局部放电一维序列；步骤3，对步骤2得到的局部放电一维序列进行数据归一化处理得到一维局部放电数据集；步骤4，采用一维VGG16神经网络对CWRU数据集进行训练，并利用迁移学习算法，将训练好的模型迁移后再使用局部放电数据对一维VGG16神经网络进行更新训练，实现局部放电故障模式识别，输出故障类型。本发明解决了现有技术中存在的依靠人为主观判断难以发现局部放电早期故障以及对GIS局部放电故障模式识别不准确的问题。