基于深度学习的GIS设备局部放电模式识别方法

本发明提出基于深度学习的GIS设备局部放电模式识别方法，涉及GIS局部放电识别技术领域，包括：通过特高频传感器采集GIS设备的局部放电信号，并进行信号调理；对调理后的局部放电信号进行数字化采样和处理，生成相位分辨脉冲序列PRPS图谱，并对PRPS图谱执行智能降噪处理，其中，PRPS图谱包含相位、幅值和频次三维信息；将PRPS图谱输入预设的神经网络模型，提取图谱特征；基于所提取的图谱特征对局部放电类型进行识别分类，并输出识别结果。本发明实现了局部放电信号的自动采集、智能处理和准确识别，相比传统人工识别方法，大幅提高了识别效率和准确性，为GIS设备的状态监测和故障诊断提供了可靠的技术支持。