基于改进FCN双路径特征融合的局部放电图谱识别

来源：电子测量技术杂志2022年第24期北京时间：

作者：金玉，袁和金

单位：1.华北电力大学计算机系 保定 071003; 2.复杂能源系统智能计算教育部工程研究中心 保定 071003

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。

关键词：局部放电;卷积神经网络;特征融合;交叉熵损失函数