非负约束自动编码器在电缆早期故障识别中的应用

• 作者: 李胜辉 杨晓梅 白雪 邵宝珠 黄旭龙
• 来源期刊: 电力系统保护与控制
• 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
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 大数据与预测技术在现代电力系统中的应用
• 页码范围: 16-23
• 页数: 8页
• 字数: 5596字
• 语种: 中文
• DOI: 10.7667/PSPC201860

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晓梅	四川大学电气信息学院	59	273	8.0	13.0
2	李胜辉	国网辽宁省电力有限公司电力科学研究院	11	24	3.0	4.0
3	邵宝珠	国网辽宁省电力有限公司电力科学研究院	7	34	4.0	5.0
4	白雪	国网辽宁省电力有限公司电力科学研究院	7	8	2.0	2.0
5	黄旭龙	四川大学电气信息学院	1	5	1.0	1.0