国网河北省电力有限公司营销服务中心
Published:2026
移动端阅览
孙冲, 王艺峰, 阎超, et al. 基于1D-CNN的可解释性避雷器故障检测方法研究[J]. 2026, 45(3): 63-71.
DOI:
孙冲, 王艺峰, 阎超, et al. 基于1D-CNN的可解释性避雷器故障检测方法研究[J]. 2026, 45(3): 63-71. DOI: 10.26945/j.cnki.1001-9898.2026.03.005.
避雷器作为电力系统过电压保护的核心装置,其运行状态直接关系到电网的稳定与安全。传统的故障检测方法存在实时性不足、漏报率较高以及故障机理难以追溯等问题,无法满足智能电网对设备状态精准感知的需求。首先,提出一种融合一维卷积神经网络(one-dimensional convolutional neural network
1D-CNN)与可解释性人工智能技术(shapley additive explanations
SHAP)的故障智能诊断方法,以实现避雷器故障的实时、准确和可解释检测。其次,设计一种轻量级1D-CNN分类模型进行端到端的故障识别,模型在测试集上总体准确率达到98.52%
漏检率低于1%
且四类状态的AUC值均不低于0.98。最后,采用一致流形逼近与投影(uniform manifold approximation and projection
UMAP)算法对1D-CNN全连接层输出进行高维特征可视化,结果显示不同故障状态在低维空间中聚类明显,重叠率仅为5%。研究采用可解释深度学习模型有效提升了避雷器故障诊断的透明度与可靠性,为电力设备状态智能监测提供了新思路,具有良好的工程应用前景。
靳海军,靳文星.红外测温诊断技术在避雷器内部过热故障诊断中的应用[J].能源与节能,2019(10).
王少伟.基于泄漏电流分析的氧化锌避雷器故障诊断与处理[J].电工技术,2021(05).
王磊,赵子建,白洁,温欣.220 kV氧化锌避雷器受潮故障诊断分析及处理[J].内蒙古电力技术,2023(01).
周利军,魏仁伟,刘聪,陈伟,黄林,马御棠.多重雷击下氧化锌避雷器的冲击老化特性[J].高电压技术,2022(09).
胡亚辉,韦延方,王鹏,王晓卫,曾志辉.基于PCA和EEMD的柔性直流配电网故障选线算法[J].电源学报,2024(02).
胡泰山,刘浩,刘刚,梅琪,马御棠,廖民传.基于改进YOLOv3的避雷器红外图像故障检测方法[J].红外技术,2023(11).
孙权,彭飞,李宏胜,于翔海,孙国栋.样本不均衡下基于CGAN-CNN的逆变器故障诊断方法[J].电源学报,2024(06).
王德全,吴绍武,郝晓强,李勇群.基于雷电侵入波冲击电流全景数据的避雷器故障诊断[J].自动化技术与应用,2024(06).
杨瑞,张涵铭,陈裕汉,吴学群,张豫宁.融合时序InSAR与CNN-LSTM模型的地铁沿线沉降监测预警[J].测绘科学,2025(09).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution