-
题名基于改进迁移学习的高压断路器新增类别故障识别方法
- 1
-
-
作者
王兴华
杨皓文
麻玉林
赵俊生
-
机构
广东电网有限责任公司
北京洛斯达科技发展有限公司
-
出处
《高压电器》
北大核心
2025年第10期106-116,共11页
-
基金
广东电网公司科技项目(030000KC23040114)。
-
文摘
针对实际高压断路器故障发生的时空不确定性和暂态过程的随机性引发新增类别的未知故障类型,且其样本分布呈现长尾特性,导致现有故障识别模型出现误判的问题,提出了一种基于改进迁移学习的高压断路器新增类别故障精准识别方法。首先,提取实际在运高压断路器振动信号的多维特征参数,构建具有强特征提取能力的故障识别模型。其次,通过计算Mahalanobis距离和置信度辨识新增类别的未知故障。最后,采用伪标签和迁移学习将长尾分布的未知故障类别纳入模型训练,更新后的模型能够准确预测运行数据的故障类型。结果表明,改进后的诊断模型平均准确率达到97.83%,相比于现有特征迁移方法的准确率平均提升了40.22%。
-
关键词
高压断路器
故障识别
迁移学习
MAHALANOBIS距离
新增类别故障
长尾数据
-
Keywords
high-voltage circuit breaker
fault identification
transfer learning
Mahalanobis distance
new fault categories
long-tailed data
-
分类号
TM561
[电气工程—电器]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
