基于机器学习的高压直流绝缘缺陷智能检测方法研究

高压直流输电设备长时间承受着复杂的电、热、环境应力，其绝缘材料容易出现诸如局部放电、表面放电、气隙、老化等各类缺陷，进而对系统的安全稳定运行构成威胁。传统的检测方法依靠人工经验、固定阈值，在对于弱特征、复杂噪声、多类型缺陷的识别能力方面存在一定的局限性。机器学习能够从局部放电、电流、声学等检测信号当中提取特征并建立分类模型。本文针对高压直流绝缘缺陷的数据采集、特征建立、模型训练、工程诊断进行分析，提出了面向复杂运行环境的智能检测方法，以此为提高缺陷识别准确性、设备状态检修水平提供参考。