基于卷积神经网络的直流XLPE电缆局部放电模式识别技术.docx

基于卷积神经网络的直流XLPE电缆局部放电模式识别技术
基于卷积神经网络的直流XLPE电缆局部放电模式识别技术
摘要：
直流交联聚乙烯电缆（XLPE）广泛应用于电力系统中，并且局部放电是导致电缆故障的主要原因之一。因此，对直流XLPE电缆的局部放电进行准确且及时的监测至关重要。本论文提出了一种基于卷积神经网络（CNN）的直流XLPE电缆局部放电模式识别技术，该技术能够准确识别局部放电模式，从而实现电缆故障的早期预警和检测。
第1章引言
1.1背景
直流XLPE电缆作为输配电系统中的重要组成部分，承载着输送电能的重要任务。然而，由于多种原因，如制造缺陷、安装不良、电缆老化等，直流XLPE电缆常常会出现局部放电现象。局部放电不仅会导致电缆故障，还会进一步引发火灾、爆炸等严重事故。因此，对直流XLPE电缆的局部放电进行准确监测和及时预警就变得尤为重要。
1.2目的
本论文的目的是基于卷积神经网络（CNN）技术，实现对直流XLPE电缆的局部放电模式进行准确识别，从而实现电缆故障的早期预警和检测。通过建立一个有效的模型，以提高电缆故障检测的准确性和可靠性。
第2章相关工作
2.1直流XLPE电缆局部放电特性分析
对直流XLPE电缆的局部放电特性进行分析，可以为后续的模式识别提供基础知识。本章介绍了直流XLPE电缆的结构和局部放电机理，并分析了不同类型的局部放电模式。
2.2卷积神经网络
卷积神经网络是一种前馈神经网络，特别适用于图像识别和模式识别问题。本章介绍了CNN的基本原理、架构和训练过程，并介绍了一些常用的CNN模型，如LeNet、AlexNet和VGGNet等。
第3章方法与实验
3.1数据采集与数据集构建
本章介绍了直流XLPE电缆的局部放电数据采集方法，并根据采集的数据构建了一个包含不同局部放电模式的数据集。
3.2模型设计与训练
本章介绍了基于CNN的直流XLPE电缆局部放电模式识别模型的设计和训练过程。首先，提取局部放电特征作为输入；然后，设计并训练CNN模型进行模式识别。
3.3实验结果与分析
通过实验验证了所提出的模型的性能。本章对实验结果进行了详细的分析，评估了模型的准确性和可靠性，并与其他方法进行了对比实验。
第4章结果与讨论
本章对本论文所提出的基于CNN的直流XLPE电缆局部放电模式识别技术进行了总结和讨论。对实验结果进行了分析并提出了潜在的改进方法。
第5章结论
本论文成功地提出了一种基于卷积神经网络的直流XLPE电缆局部放电模式识别技术，并通过实验证明了该技术的有效性和实用性。该技术能够准确识别局部放电模式，实现电缆故障的早期预警和检测，对于电力系统的安全运行具有重要意义。
参考文献：
[1]陈XX,等.直流XLPE电缆局部放电监测技术的研究进展[J].电力系统保护与控制,2019,47(10):155-162.
[2]LeCunY,BengioY,HintonG.Deeplearning[J].Nature,2015,521(7553):436-444.
[3]KrizhevskyA,SutskeverI,HintonGE.ImageNetclassificationwithdeepconvolutionalneuralnetworks[C]//Advancesinneuralinformationprocessingsystems.2012:1097-1105.
关键词：直流XLPE电缆；局部放电；卷积神经网络；模式识别