基于卷积神经网络的放电声音故障检测 |
| |
引用本文: | 曾 锃,张 震,缪巍巍,李凤强,张明轩,谢 跃.基于卷积神经网络的放电声音故障检测[J].电子器件,2024,47(1):176-181. |
| |
作者姓名: | 曾 锃 张 震 缪巍巍 李凤强 张明轩 谢 跃 |
| |
作者单位: | 国网江苏省电力公司信息通信分公司,南京工程学院信息与通信工程学院 |
| |
摘 要: | 设计了一种基于卷积神经网络的放电声音检测方法,针对电力系统中设备绝缘老化引起的局部放电现象,提出通过终端边缘节点的声信号检测方法实时监控设备正常工作、局部放电和发生故障的三种状态,并将异常状态通过边缘计算专网反馈给运维中心。该系统通过设备终端的边缘节点采集发生故障时放电音频数据,这些故障包括:正常工作、局部放电和故障已发生的状态。并进行信号预处理和提取能够反映故障状态的音频特征。然后,将处理后的数据作为卷积神经网络的输入。实验表明所提方法与经典的深度神经网络相比,平均识别率提高了约2%。
|
关 键 词: | 卷积神经网络 深度学习 特征提取 信号检测 |
|
| 点击此处可从《电子器件》浏览原始摘要信息 |
| 点击此处可从《电子器件》下载免费的PDF全文 |
|