多任务元学习网络的气体绝缘组合电器局部放电同时诊断与定位

摘要

针对气体绝缘组合电器(GIS)局部放电诊断和定位作为两个独立的任务来完成而忽略了两个任务间的联系、且难以部署和泛化到现场小样本场景下的问题，提出了多任务元学习网络以同时实现现场小样本场景下的GIS局部放电诊断与定位。首先，为了充分挖掘两个任务间的关联关系并保留每一任务的差异特征，构建了多任务网络，在特定任务层引入注意力机制，为每个任务从浅到深选择重要特征，保证每一任务特征差异化提取的质量。其次，为了将所开发的多任务网络部署应用到现场小样本场景下，采用元训练的方法对模型进行训练。再次，在元测试阶段使用目标任务的少量数据进行微调，实现了小样本下GIS局部放电诊断和定位。最后，在现场样本上对模型性能进行了验证。实验结果表明，提出的多任务元学习网络在GIS局部放电诊断上的准确率达到94.53%,定位平均误差和均方根误差分别为10.78 cm和12.97 cm,与单任务网络和其他模型相比性能提升明显，为GIS局部放电诊断和定位提供了新颖的解决思路。

关键词

局部放电 / 诊断 / 定位 / 多任务网络 / 元学习

基金资助

国家重点研发计划资助项目(2022YFB2403700)