English(EN) Classification of Single and Mixed Partial Discharges under Switching Voltage Using an AWA-CNN Framework

CNN 使用新颖的 AWA 模式在部分放电分类中达到 96% 的准确率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-20 16:16

研究人员开发了一种新颖的幅度-宽度-面积 (AWA) 模式表示方法，用于分析开关电压励磁下的部分放电 (PD) 脉冲。该方法将 PD 脉冲映射为使用幅度、宽度和面积的视觉模式，从而能够区分六种不同的 PD 源条件。卷积神经网络 (CNN) 模型，特别是 InceptionV3 和 ResNet-18，在对这些源进行分类时达到了超过 96% 的准确率，显著优于随机森林基线。 AI

影响引入了 PD 脉冲的新视觉表示，使用 CNN 对电气故障进行更高精度的分类。

排序理由该集群包含一篇详细介绍使用机器学习进行分类的新方法和基准结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Anindya Bijoy Das · 2026-05-20 16:16

使用 AWA-CNN 框架对开关电压下的单一和混合部分放电进行分类

The growing use of fast-switching power electronics has made partial discharge (PD) analysis under switching-voltage excitation increasingly important, yet more challenging than under sinusoidal conditions due to activity concentrated at voltage transitions. This work presents an…

报道来源 [1]

使用 AWA-CNN 框架对开关电压下的单一和混合部分放电进行分类

相关实体

相关话题