摘要
本发明公开了一种基于双阶段特征融合的局部放电缺陷类型识别方法，属于电力设备状态监测以及图像识别技术领域，包括获取原始的放电波形数据并绘制PRPD图谱；提取PRPD图谱中的局部放电统计特征，利用RFE进行特征选择；使用CatBoost对选择后的统计特征进行学习，构建一次识别模型；使用一次识别模型对采集的数据样本进行类型识别，识别筛选出一次放电类型；对筛选出的一次放电类型的样本的PRPD图谱输入卷积神经网络CNN，提取图像特征；将样本的图像特征和选择后的统计特征输入到Mamba中进行融合，组成新的特征向量；使用二次识别模型对新的特征向量进行二次识别，输出识别结果，本发明能够解决局部放电过程中放电模式识别混淆问题，采用分阶段识别可以有效的发挥双模型优势，提高识别效率。
