تفکیک منبع تخلیه جزئی شدید در کابل های قدرت به کمک روش یادگیری عمیق

در این مقاله از روش یادگیری عمیق برای تفکیک تخلیه های جزئی شدید در حفره های بزرگ واقع در عایق کابل های قدرت استفاده شده است. در این راستا با شبیه سازی یک سیستم نمونه متشکل از یک کابل قدرت سه فاز و حفره های کروی منبع تخلیه جزئی، سیگنال‌های تخلیه جزئی در حوزه زمان که مربوط به حفره‌هایی با مشخصات مختلف هستند، در هر سه فاز استخراج می شوند. سپس با استفاده از روش یادگیری عمیق، یک شبکه عصبی عمیق به منظور تحلیل داده‌های حاصل از شبیه سازی آموزش داده می شود. شبکه عصبی عمیق مورد استفاده در این مقاله از سیگنال‌های تخلیه جزئی و برچسب‌های متناظر با آن‌ها به عنوان ورودی استفاده می‌کند. همچنین عملکرد چهار بهینه ساز پیشرفته برای آموزش شبکه عصبی عمیق مورد مقایسه قرار گرفته است. نتایج حاصل از این مقاله نشان می دهد که شبکه عصبی عمیق مورد استفاده با هرکدام از چهار الگوریتم بهینه سازی توانسته است با دقت بالای 97 درصد در فرآیند آموزش و دقت بالای 93 درصد در فرآیند تست، حفره های بزرگ را از سایر حفره ها تفکیک نماید.