来源：期刊VIP网 时间：
作者：陈锋;李梦齐;王先勇;汪宇轩;彭小圣;王旭;李茂;杨宗振;
单位：白鹤滩水力发电厂;国网电力科学研究院武汉南瑞有限责任公司;华中科技大学电气与电子工程学院;
摘要：训练样本稀缺是实现GIL绝缘状态检测与故障诊断的关键难题。针对该问题，提出一种依据元学习理论与原型网络的小样本GIL局部放电模式识别方法，该方法通过优化空间映射网络，实现样本在高维空间的映射聚类。首先设计4种GIL典型缺陷模型，构建局部放电实验平台和对应的小样本局放数据库；然后绘制GIL与发电机局放相位图谱，分别作为测试集与训练集；接着采用元学习训练方法，将支持集样本个数依次局限为1、5、10、20以验证模型有效性，并将各方面识别性能与匹配网络、ResNet-18和GoogLeNet进行对比。结果表明：原型网络诊断准确率在仅提供5个支持样本时便可达到96%以上，相比于其他方法具有更高的识别精度、更强的稳定性以及良好的对未见新样本的泛化能力。
关键词：小样本;;GIL;;局部放电;;元学习;;原型网络;;模式识别
基金资助：中国长江电力股份有限公司资助项目（Z532302006）
