一种基于DS证据理论的融合局部放电类型识别方法

摘要

本发明申请保护一种基于DS证据理论的融合局部放电类型识别方法。涉及涉及电力系统、深度学习技术及图像处理技术等领域。该方法首先利用卷积神经网络输入局部放电PRPD图谱图像特征进行识别得到识别率，然后提取PD信号的统计特征输入SVM分类器得到分类概率，最后利用DS证据理论对两种概率进行局部放电类型的融合判别。相比传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法，本文提出方法的正确识别率显著提升，尤其对相似度较高的两种缺陷识别率提升效果明显，具有较好的鲁棒性。