融合CNN与多模型评估的变电站电力设备智能故障诊断研究.pdfVIP

电气工程

融合CNN与多模型评估的变电站电力设备智能故障诊断研究

季传辉宋智刚

【摘要】为解决变电站电力设备故障诊断中准确性不足和效率低下的问题，提出一种融合卷积神经网络（Convolutional

NeuralNetworks，CNN）与多模型评估的智能故障诊断方法。利用CNN对故障图像进行特征提取，结合层次分析模型（Analytic

HierarchyProcess，AHP）和物元可拓模型（Matter-ElementExtension，MEE）开展故障风险评估。实验表明，该方法对不同设备类

型的检测召回率均超95%，其中电气仪表故障检测效果最佳，召回率达98.56%，漏报率1.44%。平均准确率为94.58%，较其

他算法平均提升7.86%，检测效率提高33.89%。结果显示，该方法能有效识别设备故障类型，具备较高检测精度与效率，为故

障快速处理及电网安全稳定运行提供有力支撑。

【关键词】CNN；物元可拓模型；变电站；故障诊断

引言该系统通过构建CNN与多模型评估架构,