摘要: 金属氧化物避雷器（MOA）是保护电气设备免受过电压危害的重要装置，在电网中广泛应用。避雷器故障或者老化后，泄漏电流会产生明显的变化，因此检测泄漏电流是判别避雷器健康状态的主要手段。本文提出了一种基于深度学习框架的MOA表面污染程度检测方法。首先，利用CST在时频域将污染MOA样品的泄漏电流信号与参考泄漏电流相互关联，然后利用深度学习从相关图中提取深度特征特征，最后利用分类器对提取的深度特征进行分类，从而检测出MOA的污染程度。与已有方法相比，该算法检测精度更高，鲁棒性更优，适用于预测MOA表面污染程度。