基于卷积神经网络的直流xlpe电缆局部放电模式识别技术 .pdfVIP

2020年2月电工技术学报Vol.35No.3

第35卷第3期TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETYFeb.2020

DOI:10.19595/j.cnki.1000-6753.tces.181954

基于卷积神经网络的直流XLPE电缆局

部放电模式识别技术

朱煜峰1许永鹏1陈孝信2盛戈皞1江秀臣1

（1.上海交通大学电气工程系上海200240

2.国网浙江省电力有限公司电力科学研究院杭州310014）

摘要针对现有的直流交联聚乙烯（XLPE）电缆局部放电模式识别对强随机性信号的特征提

取缺乏一定自适应能力的问题，该文提出基于卷积神经网络（CNN）的模式识别算法，采用卷积

神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷电缆的局部放电信

号作为样本，再利用自适应的卷积核进行特征提取，池化层进行特征映射，非线性多分类器进行

回归分类，最终得到训练完成的CAFFE网络。通过设置不同求解器参数、网络结构和训练样本数

量对缺陷识别结果进行对比分析，发现利用改进的Alexnet网络，采用衰减学习率方式的模式识

别框架的平均识别正确率最高，达到了91.32%，相比于传统模式识别算法至少提高了8.97%。该

方法具有强大的自适应学习能力，为应用于直流电缆故障诊断的模式识别提供了新的思路。

关键词：卷积神经网络卷积神经网络框架方法自适应特征提取直流XLPE电缆局部

放电

中图分类号：TM85

PatternRecognitionofPartialDischargesinDCXLPECablesBased

onConvolutionalNeuralNetwork

11211

ZhuYufengXuYongpengChenXiaoxinShengGehaoJiangXiuchen

（1.DepartmentofElectricalEngineeringShanghaiJiaoTongUniversityShanghai200240China

2.ElectricPowerResearchInstituteofStateGridZhejiangElectricPowerCo.Ltd

Hangzhou310014China）

AbstractPresentpartialdischarge(PD)patternrecognitionofDCcross-linkedpolyethylene

(XLPE)cableshassomelimitationsonthefeatureextractionofstrongrandomsignals.Inordertosolve

thisproblem,thispaperproposesaself-adaptivepatternrecognitionbasedonconvolutionalneural

network(CNN).Convolutionalarchitectureforfastfeatureembeddi