量子科技中心_量科网

局部放电源自高压设备中的微观绝缘缺陷，被广泛认为是绝缘早期劣化的关键标志。传统局部放电检测方法通常受限于有限带宽，且往往依赖预定义特征提取，这阻碍了对宽带瞬态信号的可靠识别。该研究团队采用里德堡原子传感器直接捕获局部放电辐射的时域响应，并为不同类型构建独特的光谱指纹特征。随后应用一维残差网络深度学习模型，无需人工特征工程即可从时域信号中识别这些指纹。在信号源-天线距离增大导致光谱特征显著衰减的情况下，该模型对四类局部放电的识别准确率仍达约94%，展现出对衰减和噪声的鲁棒性。研究人员进一步在模拟预警场景中验证该方法，成功对噪声混合的局部放电信号进行分析并生成预测性警报。这些结果证明了基于里德堡原子的宽带传感技术与数据驱动分析相结合，在电气绝缘系统非侵入式高灵敏度诊断中的潜力。