基于改进FCN双路径特征融合的局部放电图谱识别

作     者：金玉 袁和金 Jin Yu;Yuan Hejin

作者机构：华北电力大学计算机系保定071003 复杂能源系统智能计算教育部工程研究中心保定071003 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2022年第45卷第24期

页      面：132-136页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 080803[工学-高电压与绝缘技术] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：局部放电 卷积神经网络 特征融合 交叉熵损失函数 

摘      要：针对电力设备局部放电图谱的识别问题,提出一种改进交叉熵损失函数的双路径全卷积神经网络模型。使用局放图谱作为模型输入,采用双路径的方式,两路使用不同大小卷积核分别提取图谱较深层和较浅层特征,然后进行特征融合。使用卷积层代替全连接层,更多保留局放特征间的空间关联性。改进的交叉熵损失函数可以使模型更适用于数据集样本不均衡的情况。实验结果表明,改进FCN双路径特征融合识别方法准确率达到99.31%,可以准确识别局放图谱,且模型参数量更小。