基于深度特征聚类和RNN的电网故障诊断

• 作者: 翁楦乔 文成林
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 故障诊断 半监督聚类 循环神经网络 过采样
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 175-181
• 页数: 7页
• 分类号: TP277
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20200184

摘要

针对传统方法难以利用大量时序数据和无标签数据对电网进行故障诊断的问题,提出了基于深度特征聚类和循环神经网络(RNN)的电网智能故障诊断方法.该方法首先利用卷积神经网络搭建起特征提取器来提取时序数据的高层特征,然后对提取的特征进行半监督聚类,为无标签样本获得对应的标签,从而可以确定无标签样本所属的故障类别并加以利用;然后将不同类型的故障样本经过采样算法采样后,使用循环神经网络搭建的分类器进行分类识别;最后通过数据仿真,验证了所提方法可以准确地对无标签样本赋予正确的类别标签,对多种故障类型具有良好的故障诊断效果,对比常用的分类方法,该方法具有更高的识别准确率.所提方法为深度特征聚类和RNN在电网故障诊断中的实际应用提供了参考.