来源：期刊VIP网 时间：
作者：王晓康;丁雷;何嘉斌;马学灵;张童瑞;梁睿;
单位：国网宁夏电力有限公司吴忠供电公司;
摘要：为了解决目前电力电缆监测手段相对单一、缺少多参量综合监测判断的问题，本文集成电缆接头的各类局放信号，提出基于深度学习融合证据理论的电缆接头故障监测方法，对电缆接头无缺陷、内部绝缘缺陷、接头受潮三类情况进行了故障识别研究。根据卷积神经网络算法模型，分别对各类局放信号图谱进行训练和测试，再通过D-S证据理论进行数据融合，实现故障类型识别。结果表明：对于内部绝缘缺陷、接头受潮情况，单一信息源识别效果最好的为高频局部放电，其平均识别率能达到85.6%，超声法识别率最低，其平均识别率为78.7%，而本文提出的识别方法平均识别率达到95.7%；当多维信息源中某一信息源的识别结果出现误判时，通过D-S证据理论融合能够排除错误信息源的干扰，准确识别放电类型。
关键词：电缆接头;;深度学习;;信息融合;;故障诊断
基金资助：国家电网有限公司科技项目(5229WZ230003)
