非负约束自动编码器在电缆早期故障识别中的应用.PDF

第 47 卷 第 2 期 电力系统保护与控制 Vol.47 No.2 2019 年 1 月 16 日 Power System Protection and Control Jan. 16, 20 19 D I: 10.7667/PSPC20 1860 非负约束自动编码器在电缆早期故障识别中的应用 1 1 1 2 2 邵宝珠 ，李胜辉 ，白 雪 ，黄旭龙 ，杨晓梅 (1.国网辽宁省电力有限公司电力 学研究院，辽宁 沈阳 110006；2.四川大学电气信息学院，四川 成都 610065) 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 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。 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 Application of nonnegative constraint autoencoder in cable incipient fault identification 1 1 1 2 2 SHA Baozhu , LI Shenghui , BAI Xue , HUANG Xulong , YANG Xiaomei (1. Electric Power Research Institute of State Grid Liaoning Electric Power Co., Ltd, Shenyang 110006, China; 2. College of Electrical Engineering and Information, Sichuan University, Chengdu 610065, China) Abstract: Accurate identification of cable incipient fault is helpful to reduce the failure rate of power system and improve the reliability of power supply. In the traditional pa