基于神经监督决策树算法的多感知GIS局部放电识别

作     者：闫泽玉 杨洋 刘云鹏 尚文同 李欢 范晓舟 

作者机构：河北省输变电设备安全防御重点实验室(华北电力大学) 中国电力科学研究院有限公司 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2024年第14期

页      面：5821-5833页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 080803[工学-高电压与绝缘技术] 08[工学] 

基　　金：国家电网有限公司科技项目(5700-202219436A-2-0-ZN)~~ 

主　　题：局部放电 神经监督决策树 深度神经网络 软决策树 多感知 气体绝缘金属封闭开关设备 

摘      要：为充分表现并利用GIS缺陷的物理联系引导故障诊断，提高GIS局部放电故障诊断方法的可靠性与可解释性，该文提出神经监督决策树算法(neural supervision decision tree,NSDT)实现GIS局部放电高准确率下的可解释故障诊断。将卷积神经网络最终线性层替换为层次结构，构建诱导层。使用树监督损失函数优化节点代表向量，并通过调整softmax函数抑制层次损失。构建监督层，通过原始神经网络输出向量对诱导层输出进行监督修正，在保留可解释性的基础上，提高识别准确率。通过110 k V声光电多感知GIS平台收集导杆尖端、外壳尖端、高压端沿面3种典型单源缺陷局放数据，并组成3种双源缺陷，测试NSDT方法性能表现。试验结果表明，NSDT多级神经决策结构能够准确地识别GIS局部放电类型，相较于卷积神经网络(convolutional neural network,CNN)等传统深度神经网络识别方法，识别可靠性更高，决策信息更加丰富，可解释性更强。