一种融合光学与电学特征的局部放电缺陷类别智能识别方法

一种融合光学与电学特征的GIS局部放电缺陷类别智能识别方法，通过光学检测系统采集局部放电的光学信号，并提取光强度及光谱分布特征；同时，利用特高频(UHF)传感器采集电磁波信号，提取其时域和频域特征；采用空间滤波对小光学信号进行去噪，小波去噪法处理电磁波信号；使用多模态深度神经网络融合去噪后的信号；将两类特征拼接并通过主成分分析法降维，得到融合特征向量；最后，构建双通道CNN模型进行训练与评估，利用交叉熵损失函数和Adam优化器优化模型，通过验证集调整超参数和网络结构，提高模型泛化能力，最终得到GIS局部放电缺陷类别分类模型。本发明实现了对GIS局部放电缺陷的精准智能识别。