期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于深度学习的电缆故障行波信号识别研究
1
作者 罗显通 《农村电气化》 2025年第10期44-47,共4页
电缆故障精准诊断对电力系统可靠运行至关重要。传统行波信号识别方法受噪声干扰及波形复杂性影响,存在精度不足、效率低下的问题。文章基于人工智能的电缆故障行波信号识别方法,利用深度学习技术构建识别模型,对原始行波信号进行预处... 电缆故障精准诊断对电力系统可靠运行至关重要。传统行波信号识别方法受噪声干扰及波形复杂性影响,存在精度不足、效率低下的问题。文章基于人工智能的电缆故障行波信号识别方法,利用深度学习技术构建识别模型,对原始行波信号进行预处理和特征提取,训练模型以区分复杂背景噪声下的各类典型故障信号特征。实验采用仿真数据集进行验证,结果表明,人工智能模型显著提高了不同工况下电缆故障行波信号的识别准确率与鲁棒性,为智能化电缆故障诊断提供了可靠的技术支持。 展开更多
关键词 电缆故障诊断 行波信号识别 人工智能应用 深度学习模型
在线阅读 下载PDF
基于高压XLPE电缆逸出气体与多尺度卷积特征融合的电缆缺陷评估方法研究
2
作者 孙韬 叶良鹏 +4 位作者 张帆 张佳庆 过羿 周凯 缪煦扬 《绝缘材料》 北大核心 2025年第3期117-124,共8页
本文提出了一种基于多尺度相关特征融合卷积神经网络的高压XLPE电缆缺陷评估方法。该方法基于数据驱动,通过训练卷积神经网络,建立特征气体浓度与缺陷类型之间的潜在关系模型,从而根据特征气体浓度诊断电缆缺陷。首先采用基于均值漂移... 本文提出了一种基于多尺度相关特征融合卷积神经网络的高压XLPE电缆缺陷评估方法。该方法基于数据驱动,通过训练卷积神经网络,建立特征气体浓度与缺陷类型之间的潜在关系模型,从而根据特征气体浓度诊断电缆缺陷。首先采用基于均值漂移的数据增强技术获取模拟数据,接着设计一种基于多尺度相关特征融合的1D卷积神经网络,最后利用该卷积神经网络基于模拟数据进行训练并进行缺陷识别。结果表明:该方法在模拟数据测试集和真实基础数据上的缺陷识别准确率分别为92%和88%,表明该方法能够有效地利用特征气体浓度实现电缆缺陷的诊断。 展开更多
关键词 电缆早期故障诊断 特征气体分析 卷积神经网络 数据驱动 均值漂移
在线阅读 下载PDF
超高压交流XLPE电缆输电工程应用现状综述 被引量:37
3
作者 田野 郭金明 +3 位作者 傅明利 侯帅 惠宝军 卓然 《南方电网技术》 北大核心 2016年第9期30-36,48,共8页
为了掌握超高压交流交联聚乙烯(cross-linked polyethylene,XLPE)电缆输电今后的发展趋势,广泛调查总结了国内外主要超高压交流XLPE电缆在长距离输电工程中的应用现状以及面临的技术挑战,认为超高压交流XLPE电缆输电已成为陆上城市输电... 为了掌握超高压交流交联聚乙烯(cross-linked polyethylene,XLPE)电缆输电今后的发展趋势,广泛调查总结了国内外主要超高压交流XLPE电缆在长距离输电工程中的应用现状以及面临的技术挑战,认为超高压交流XLPE电缆输电已成为陆上城市输电工程的主流选择;综述了超高压、长距离电缆输电工程现场交接试验中的关键技术以及在运电缆线路的监测、诊断技术,可以为今后的超高压交流电缆工程提供参考。 展开更多
关键词 超高压电缆输电 交流XLPE电缆 长距离输电 现场交接试验 电缆故障诊断 电缆局部放电检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部