基于机电融合信号与 1DCNN-MHAM-SVM 的 GIS 局部放电故障诊断
来源：机械与电子杂志2025年第06期北京时间：
作者：许洪华;陈旖旎;丁晓森;万子雄;朱雷;马宏忠
单位：1. 国网江苏省电力有限公司南京供电分公司,江苏 南京 210008 ;
2. 河海大学电气与动力工程学院, 江苏 南京 211100
摘要：为解决当前气体绝缘组合电器局部放电故障诊断方法的监测信号单一和对小样本数据处理能力差的问题,提出一种基于 1DCNN 和 SVM 的 GIS 局部放电故障诊断方法。首先,利用 1DCNN 提取 GIS 局部放电中振动信号和特高频信号的融合特征,并对其降维。然后,利用 MHAM 进一步提取全局特征,将该特征向量作为 SVM 的模型输入,从而实现 GIS 尖端放电、沿面放电、悬浮放电和气隙放电 4 种典型局部放电故障的分类识别。最后,通过试验数据对比验证所提方法,结果表明,基于振动和特高频信号融合与 1DCNN-MHAM-SVM 的诊断方法准确性不低于 95.00% ,有效提升了 GIS 局部放电故障诊断的适应性和可靠性。
关键词：气体绝缘组合电器;局部放电;振动信号;特高频信号;一维卷积神经网络;多头自注意力机制
基金资助：国网江苏省电力有限公司重点科技项目( J2023027 )
