简介:摘要气体绝缘电器(GasInsulatedSwitchgear,GIS)的局部放电(PartialDischarge,PD)模式识别问题中,传统方法多为专家依据经验设计特征,具有一定的盲目性。深度学习可以自动挖掘数据的特征表示,但是需要大规模训练数据。密集连接网络(DenselyConnectedConvolutionalNetworks,DenseNet)的特征复用可以充分利用网络低、中、高层的特征信息,同时有效减少冗余特征,更符合本文小规模数据应用。因此,针对超高频信号的模式识别问题,本文提出将超高频信号数据转化为局部放电灰度图,利用密集连接网络自适应抽取放电灰度图的特征进行局部放电模式识别的方法。实验结果表明,本文方法比传统方法和AlexNet具有更高的准确性。
简介:摘要本文针对国内现有的计量自动化系统存在很多非真实的无效数据,会直接导致结算错误,严重影响着计量的真实性,有效性等问题,设计一套电能量异常数据动态识别系统,依托于计量自动化系统,打通电能量数据采集的各个环节,通过对设备档案的归集、建档,并对电能量数据的采集和归集,建立客户计量装置异常数据动态监测模型,进行准实时性质的电能量数据分析,实现对客户电能量数据的在线分析和监测、异常判断等。通过对异常数据的收集和判断,实现对异常无效数据进行顾虑筛选。同时,可以根据异常情况派发异常工单,现场接单实时处理,实现真正的计量自动化系统客户异常数据动态检测和故障闭环处理系统,提高现场运维效率,提升用电管理水平。