基于DAE-CNN的地下电缆早期故障检测和识别方法技术

本发明专利技术公开了一种基于DAE‑CNN的地下电缆早期故障检测和识别方法，首先对地下电缆早期故障进行模拟仿真，以获取电流的仿真数据；然后采用降噪自动编码器对仿真数据进行特征提取，得到降维后的电流数据；接着采用降维后的电流数据对卷积神经网络进行训练，生成可用于检测和识别地下电缆早期故障的判别器；采用降噪自动编码器对待测地下电缆的电流数据进行特征提取，得到降维后的电流数据，将其作为判别器的输入，利用判别器输出该地下电缆的早期故障识别结果。本发明专利技术可以实现配电网早期故障的精确诊断。

【技术实现步骤摘要】
基于DAE-CNN的地下电缆早期故障检测和识别方法
本专利技术涉及配电网早期故障识别和信号处理的
，尤其是指一种基于DAE-CNN的地下电缆早期故障检测和识别方法。
技术介绍
目前，随着电网容量的扩大以及城市用电规模的增加，地下电力电缆因体积小、安全性高和抗干扰性强等优点被广泛地应用于电能传输和电能分配。然而，由于电缆长期敷设于地下，其绝缘部分(尤其是电缆接头位置)易受到土壤盐分和湿气的腐蚀而造成局部绝缘缺陷。早期的绝缘缺陷会引发电缆局部放电，从而形成间歇性电弧故障，而电弧故障又会进一步恶化电缆的绝缘情况，最终导致电缆的永久性故障。因此，精确识别发生早期故障的电缆并对故障进行准确识别，对于消除隐藏的供电系统隐患、提高电网的安全性和稳定性具有重要意义。电缆早期故障分类识别算法主要有阈值法、推理法和分类器法。然而在实际电力系统中，线路结构复杂，元件之间存在强关联耦合关系，运行条件具有不确定性，使用阈值法难以根据实际的电力系统确定合适的阈值；推理法虽然不需要阈值，但其通常借助小波变换等信号处理方法分析故障信号的时频域特征，并以此为依据推本文档来自技高网...

【技术保护点】
1.一种基于DAE-CNN的地下电缆早期故障检测和识别方法，其特征在于，步骤如下：/n对地下电缆早期故障进行模拟仿真，以获取电流的仿真数据；/n采用降噪自动编码器对仿真数据进行特征提取，得到降维后的电流数据；/n采用降维后的电流数据对卷积神经网络进行训练，生成可用于检测和识别地下电缆早期故障的判别器；/n采用降噪自动编码器对待测地下电缆的电流数据进行特征提取，得到降维后的电流数据，将其作为判别器的输入，利用判别器输出该地下电缆的早期故障识别结果。/n

【技术特征摘要】
1.一种基于DAE-CNN的地下电缆早期故障检测和识别方法，其特征在于，步骤如下：
对地下电缆早期故障进行模拟仿真，以获取电流的仿真数据；
采用降噪自动编码器对仿真数据进行特征提取，得到降维后的电流数据；
采用降维后的电流数据对卷积神经网络进行训练，生成可用于检测和识别地下电缆早期故障的判别器；
采用降噪自动编码器对待测地下电缆的电流数据进行特征提取，得到降维后的电流数据，将其作为判别器的输入，利用判别器输出该地下电缆的早期故障识别结果。


2.根据权利要求1所述的地下电缆早期故障检测和识别方法，其特征在于，对地下电缆早期故障进行模拟仿真的过程如下：
1)根据地下电缆不同种典型的过电流扰动的特点，在PSCAD/EMTDC和Laboratory分别建立电路模型，仿真得到不同扰动类型的电流波形，从而形成仿真数据集；
2)对仿真数据都进行归一化处理：



其中，Xi为仿真数据集中第i个数据值，Xmax为仿真数据集中的数据最大值，Xmin为仿真数据集中的数据最小值，X*为归一化后的仿真数据。


3.根据权利要求1所述的地下电缆早期故障检测和识别方法，其特征在于，采用降噪自动编码器对仿真数据进行特征提取，过程如下：
1)向仿真数据添加高斯噪音：



其中，x为原始的仿真数据，ε为高斯噪声，为加入噪声干扰后的仿真数据；
2)训练降噪自动编码器，选择压缩比：
选取不同的降噪自动编码器中间层神经元个数来对降噪自动编码器进行多次训练，在这一过程中，计算不同中间层神经元个数时降噪自编码器的损失函数值，选择达到损失函数精度要求的情况下的中间层神经元个数作为最终的中间层神经元个数，从而确定压缩比：






式中，x(m)和分别表示第m个原始的仿真数据和经降噪自编码器重构的仿真数据；M表示原始仿真数据的总个数；LDAE(x)表示降噪自编码器的损失函数；D1和D2分别表示原始仿真数据的维度和压缩后的仿真数据的维度；CR为压缩比。
3)利用降噪自动编码器对加噪后的仿真数据进行压缩，降维和特征提取：






其中，y表示经降噪自动编码器处理后的电流数据；ω和ω′分别表示输入层与隐藏层、隐藏层与输出层之间的权重；b和b′代表偏置单元；f和g代表激活函数，其采用sigmoid函数；是降噪自编码器重构后的电流数据。


4.根据权利要求1所述的地下电缆早期故障检测和识别方法，其特征在于，卷积神经网络包括依次连接的输入层、隐含层和输出层，其中隐含层由交替排列的卷积层和采样层构成，且每个卷积层和相邻的一个采样层组成一对，输出层由全连接层和softmax层构成；
最后一对卷积层和采样层的输出作为全连接层的输入，全连接层包含k个神经元，全连接层中输出最大值的神经元对应着当前电缆系统最可能的运行状态；输出层通过softmax层对故障状态的离散概率分布的梯度进行归一化，即：



式中，j为发生的故障的故障序号，j＝1,2,…,k，k表示全连接层输出结果的总数；aj表示全连接层的第j个输出结果；Sj代表分类类别为第j种的概率，即发生第j种地下电缆初始故障的概率；p表示输出层的第p个节点单元，也即全连接层k个输出结果...

【专利技术属性】
技术研发人员：季天瑶，徐子弘，李梦诗，吴青华，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44