-
题名非负约束自动编码器在电缆早期故障识别中的应用
被引量：25
- 1
-
-
作者
邵宝珠
李胜辉
白雪
黄旭龙
杨晓梅
-
机构
国网辽宁省电力有限公司电力科学研究院
四川大学电气信息学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2019年第2期16-23,共8页
-
基金
国网辽宁省公司科技项目(5602/2018-28001B)"电能质量监测数据分析与主动应用关键技术研究"~~
-
文摘
电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE)堆叠形成的深度学习(Deep learning, DL)网络应用于电缆早期故障识别中。为了提高DL网络的学习效率,首先对故障相电流进行平稳小波变换,提取出一些具有相关性、冗余性的统计量、能量熵和信息熵等作为初级特征,其次堆叠多个NCAE构建出DL网络,通过预训练和微调机制,从初级特征中获得更易于早期故障分类识别的有效特征,最后利用Softmax分类器从正常状态和其他扰动信号中识别出早期故障。利用电缆电流仿真数据进行实验,结果表明与传统模式识别方法相比,所提方法识别准确率更高。
-
关键词
电缆早期故障识别
SWT变换
非负约束自动编码器
深度学习网络
-
Keywords
cable incipient fault identification
SWT transform
nonnegative constraint autoencoder
deep learning network
-
分类号
TM75
[电气工程—电力系统及自动化]
-
