论文部分内容阅读
针对电力系统中存在的难以检测运营中的绝缘子劣化问题,本文在深入分析卷积神经网络模型的原理和结构的基础上,运用卷积神经网络算法对绝缘子劣化程度进行评估。通过绝缘子工频闪络试验使其产生无放电、弱放电、强放电三种状态,并使用紫外成像仪采集不同放电状态下的绝缘子紫外图像构建紫外图像样本库。利用VGGNet框架神经网络算法对样本进行分类训练和状态预测评估,最终达到判断绝缘子是否劣化的目的。由实验结果可知,该算法准确率高达98.4%,在绝缘子劣化检测上有宽广的应用前景,并为其他电力设备的可靠性检测提供了思路。