发帖
雷达卡
MATLAB
实现基于
CNN-ST-MHA
卷积神经网络（
CNN）结合S变换时频图（
ST）和多头注意力机制（
MHA）进行局部放电类型分类预测的详细项目实例
请注意此篇内容只是一个项目介绍
更多详细内容可直接联系博主本人
或者访问对应标题的完整博客或者文档下载页面（含完整的程序，
GUI设计和代码详解）
局部放电是高压电力设备绝缘系统发生早期劣化时的重要电气现象，常见于变压器、气体绝缘组合电器、电力电缆、电机绕组、互感器及高压开关设备。局部放
电并不一定立即造成绝缘击穿，但放电过程会持续侵蚀绝缘介质，引起材料老化、局部碳化、热损伤、气体分解及电场畸变。当局部放电活动长期累积后，设备绝缘强度将逐渐下降，严重时可能演变为相间短路、对地故障、设备爆炸或大范围停电事故。因此，局部放电检测、识别与预警是电力设备状态检修体系中的关键环节。
传统局部放电类型识别主要依靠人工经验、时域统计特征、频域能量特征、相位分布图和脉冲计数信息。典型类型包括内部放电、表面放电、电晕放电、悬浮电位放电以及外部噪声干扰。不同放电类型在脉冲幅值、重复率、相位集中区域、频谱分布、衰减形态和时频能量结构方面存在差异， ...
京公网安备 11010802022788号
