ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－０９７２．２０２３．０２．０２０文章编号：１００３－０９７２（２０２３）０２－０２８０－０７变压器典型局部放电信号辨识研究马波１＊，李林２，李奇超１（１．国网宁夏电力有限公司电力科学研究院，宁夏银川７５００１１；２．国网电力科学研究院武汉南瑞有限责任公司，湖北武汉４３００７４）摘要：为深入研究变压器典型局部放电的类型，提出了一种相关系数矩阵（ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎ，ＣＣＭＤＡ）和深度学习相结合的特征识别方法。首先，对原始数据进行降维，保留关键特征；然后，引入深度学习框架，搭建ＲｅｓＮｅｔ３４的残差结构，开展局部放电特征的识别。结果表明：相对于核主元分析（ｋｅｒｎｅｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＫＰＣＡ），相关系数矩阵降维效果更为显著；图片尺寸为６４×６４时，识别性能最好；学习率为０．００１时，损失函数值最小。本文方法识别准确率高，明显优于卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＣＮＮ）和支持向量机（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）。引入小波变换，可增强本文方法的鲁棒性。关键词：局部放电；相关系数矩阵；深度学习；特征辨识；学习率；鲁棒性中图分类号：ＴＭ８５文献标识码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：ＲｅｃoｇｎｉｔｉoｎＲｅｓｅａｒｃｈoｆＴｙｐｉｃａｌＰａｒｔｉａｌＤｉｓｃｈａｒｇｅＳｉｇｎａｌoｆＴｒａｎｓｆoｒｍｅｒＭＡＢo１＊，ＬＩＬｉｎ２，ＬＩＱｉｃｈａo１（１．ＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，ＮｉｎｇｘｉａＰｏｗｅｒＥｌｅｃｔｒｉｃＣｏｒｐｏｒａｔｉｏｎｏｆＳｔａｔｅＧｒｉｄ，Ｙｉｎｃｈｕａｎ７５００１１，Ｃｈｉｎａ；２．ＷｕｈａｎＮＡＲＩＬｉｍｉｔｅｄＬｉａｂｉｌｉｔｙＣｏｍｐａｎｙ，ＳｔａｔｅＧｒｉｄＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｆｕｒｔｈｅｒｓｔｕｄｙｔｙｐｉｃａｌｐａｒｔｉａｌｄｉｓｃｈａｒｇｅｔｙｐｅｓｏｆｔｒａｎｓｆｏｒｍｅｒｓ，ａｆｅａｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｂｙｃｏｍｂｉｎｉｎ...
