一种基于残差神经网络和注意力模块的局部放电模式识别方法

本发明公开了一种基于残差神经网络和注意力模块的局部放电模式识别方法，涉及局部放电信号处理与识别技术领域。本方法包括以下步骤：采集待检测的局部放电信号数据；改进的集合经验模态分解自适应噪声算法和小波包分解联合的方法对局部放电信号进行多尺度去噪处理，以去除噪声干扰并保留信号主要成分；将去噪后局部放电信号的时域、频域和相位信息分别通过格拉姆角场、格拉姆角差场和马尔可夫转移场算法转化为灰度图，并融合生成特征RGB图像。随后将RGB图像输入结合卷积块注意力模块的残差神经网络中进行特征提取与分类；最后输出局部放电模式识别结果，用于电力设备的故障检测和预警。本发明利用多尺度去噪处理与多维特征融合，结合残差网络与注意力模块的深度特征提取能力，显著提升了局部放电模式的识别准确性与鲁棒性，可广泛应用于电力设备的故障诊断与预警。