基于深度学习的局部放电分类识别研究综述.pdfVIP

第20卷第2期电气工程学报Vol.20No.2

2025年4月JOURNALOFELECTRICALENGINEERINGApr.2025

DOI：10.11985/2025.02.036

基于深度学习的局部放电分类识别研究综述*

詹诗语高国强曹炳磊李佳丽曹晗刘凯陈奎吴广宁

(西南交通大学电气工程学院成都611752)

摘要：局部放电(Partialdischarge，PD)是表征电气设备绝缘劣化状态的关键诊断指标，可有效诊断电力设备不同类型与不同

程度梯度的绝缘缺陷。针对电力设备绝缘诊断评估老大难的问题，目前主要采用的是局放信号模式识别和绝缘状态评估。传

统的分类和识别方法需要专家从原始数据中手动提取适当的特征，再使用这些特征来诊断PD类型和严重程度。同时，相关

人工智能算法也逐步被开发，将手动提取的有效特征用于机器学习(Machinelearning，ML)算法的输入。深度学习(Deep

learning，DL)作为一种典型的人工智能算法，比传统ML方法具有更好的准确性，提供了更有效的自动识别技术，被广泛应

用于PD的自动特征提取和分类。对DL在局部放电特征分类、状态评估的研究现状进行了分析，并结合智能电网、智慧轨

道交通等领域的发展需求，对其未来发展趋势进行了展望。

关键词：分类识别；深度学习；特征提取；局部放电

中图分类号：TM215；TM855

ReviewonClassificationandRecognitionofPartialDischargeReston

DeepLearning

ZHANShiyuGAOGuoqiangCAOBingleiLIJialiCAOHanLIUKai

CHENKuiWUGuangning

(SchoolofElectricEngineering,SouthwestJiaotongUniversity,Chengdu611752)

Abstract:Partialdischarge(PD)isakeydiagnosticindextocharacterizetheinsulationdeteriorationstateofelectricalequipment,

whichcaneffectivelydiagnoseinsulationdefectsofdifferenttypesandgradientsofelectricalequipment.Aimingatthelong-standing

problemofinsulationdiagnosisandevaluationofpowerequipment,patternrecognitionofpartialdischargesignalandinsulationstate

evaluationaremainlyusedatpresent.Traditionalclassificationandrecognitionmethodsrequireexpertstomanuallyextract

appropriatefeaturesfromtheoriginaldata,andthenusethesefeaturestodiagnosethetypeandseverityofPD.Atthesametime,

relatedartificialintelligencealgorithmsaregraduallydeveloped,andtheeffec