来源：期刊VIP网 时间：
作者：杨正盛;刘芳;
单位：国网吉林省电力有限公司;合肥工业大学电气与自动化工程学院;
摘要：目的 为了实现电器设备的长期稳定运行，方法 提出基于长短时记忆（long short-term memory,LSTM）网络和多头注意力机制的气体绝缘开关柜（gas insulated switchgear,GIS）局部放电检测分类框架。首先，将局部放电相位（phase resolved partial discharge,PRPD）分析作为输入序列，利用LSTM学习PRPD信号中的时间关联；其次，将LSTM的结果输入到多头注意力模块中，通过结合多头自注意力和LSTM网络，重点分析与PRPD的不同相位集相对应的不同表征子空间的信息，其中，自注意力机制可识别输入和输出序列之间的重要信息，利用多头自注意力网络捕捉故障PRPD的高阶特征；最后，利用分类层在GIS中进行故障检测。结果 结果表明：线性SVM的性能最差，传统的机器学习分类算法不能很好地捕捉到数据中的微小差异；CNN+LSTM实现了对多元时序数据的时间依赖性捕捉，性能比SVM方法显著提高；AL+DCNN通过对抗学习框架提高了对数据集不平衡性的处理能力，并改善了提取出特征的通用性；所提方法比AL+DCNN方法的F_1分数提升了2.96%，证明结合LSTM和多头注意力机制，能够有效提高GIS中局部放电故障的识别性能，在精度、召回率和F_1分数指标上均取得了最好性能。这是因为所提方法通过结合LSTM与注意力网络实现了有效的性能互补，取得了优于其他先进方法的开关柜异常检测性能。结论 所提方法可以有效检测局部放电故障，有助于确保电力设备的长期稳定运行。
关键词：长短时记忆网络;;气体绝缘开关柜;;局部放电相位分析;;异常检测;;多头注意力
基金资助：国家自然科学基金资助项目（51907044）
