基于AE和GRU神经网络的电缆早期故障检测和识别方法

• 作者: 夏候凯顺 季天瑶 徐子弘 邓伟民
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 电缆早期故障 故障检测 深度学习 自编码器 门控循环单元神经网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 设备感知技术
• 页码范围: 27-34
• 页数: 8页
• 分类号: TM726.4|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.009.004

摘要

多数电力电缆永久性故障是由早期的自清除电弧故障发展而来,及时准确地识别电缆早期故障对于电力系统安全稳定运行具有重要意义.由于电缆早期故障持续时间短,难以触发常规继电保护装置,因此提出了基于自编码器(autoencoder,AE)和门控循环单元(gated recurrent unit,GRU)神经网络的故障识别方法.通过AE对电缆单端采集的不同故障和扰动源的电流电压信号进行特征提取,以提取的特征向量作为GRU神经网络的输入,构建故障分类器.与传统的分类器相比,基于AE和GRU神经网络的方法能够准确地从多种扰动信号中检测和识别电缆早期故障.利用PSCAD/EMTDC搭建电力电缆线路模型,通过仿真分析证明了所提出方法的准确性与可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	季天瑶		18	60	5.0	7.0
2	徐子弘		1	0	0.0	0.0
3	邓伟民		1	0	0.0	0.0
4	夏候凯顺		5	22	3.0	4.0