基于栈式相关性稀疏自编码的电力通信网故障诊断

• 作者: 张博 李洋 聂晓音 谢刚
• 来源期刊: 电力系统保护与控制
• 关键词: 电力通信网 故障诊断 相关性 稀疏性 自编码
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 设计开发
• 页码范围: 158-163
• 页数: 6页
• 字数: 3001字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.181285

摘要

针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(Stacked Relational Sparse Autoencoder,SRAE)深度神经网络的电力通信网故障诊断方法.将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足.因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder,RAE).然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE.最后,以路由器之间的连接故障为例进行仿真实验.实验结果表明所提出的故障诊断方法准确率平均值达到99.625％,具有较高且稳定的诊断准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂晓音	太原科技大学电子信息工程学院	3	4	1.0	1.0
3	张博	太原科技大学电子信息工程学院	10	16	2.0	4.0
4	李洋		11	31	4.0	5.0
5	谢刚	太原科技大学电子信息工程学院	6	9	2.0	3.0