基于DRSN的高噪声环境下XLPE电缆故障识别 .pdfVIP

ELECTRICDRIVE2022Vol.52No.16

电气传动2022年第52卷第16期

基于DRSN的高噪声环境下XLPE电缆故障识别

吴卫堃12123

，宫士营，郑耀华，单超，董传友

（1.广东电网有限责任公司肇庆供电局，广东肇庆526000；

2.山东科汇电力自动化股份有限公司，山东淄博255087；

3.哈尔滨理工大学电气与电子工程学院，黑龙江哈尔滨150080）

摘要：为对高噪声环境下交联聚乙烯（XLPE）电缆故障进行智能化识别，提出了一种基于深度残差收缩网

络的XLPE电缆故障识别方法，该方法将软阈值作为非线性变换层嵌入到网络深层结构中，并引入软注意力机

制对软阈值进行加权优化，从而加强深度神经网络从高噪声局部放电信号中特征学习的能力，进而提高电缆

故障诊断精度。首先，根据运维、检修经验制作了4种典型的终端故障，并搭建局部放电测试系统，测试得到

不同电压等级下局部放电数据，并对其进行加噪处理；然后，通过深度残差收缩网络完成不同噪声环境下故障

数据特征提取及分类；最后，与其他故障诊断方法进行对比。结果表明：该方法能够有效地对噪声信号进行抑

制，极大地提高了高噪声环境下电缆故障诊断精度，为后续的工程应用提供了切实可行的方法。

关键词：XLPE电缆；局部放电；深度残差网络；注意力机制

中图分类号：TM28文献标识码：ADOI：10.19457/j.1001-2095.dqcd23045

FaultIdentificationofXLPECableinHighNoiseEnvironmentBasedonDRSN

12123

WUWeikun，GONGShiying，ZHENGYaohua，SHANChao，DONGChuanyou

（1.ZhaoqingPowerSupplyBureauofGuangdongPowerGridCo.，Ltd.，Zhaoqing526000，Guangdong，China；

2.ShandongKehuiElectricPowerAutomationCo.，Ltd.，Zibo255087，Shandong，China；3.Schoolof

ElectricalandElectronicEngineering，HarbinUniversityofScienceandTechnology，

Harbin150080，Heilongjiang，China）

Abstract:Inordertointelligentlyidentifycrosslinkedpolyethylene（XLPE）cablefaultsinhighnoise

environment，amethodofXLPEcablefaultidentificationbasedondeepresidualshrinkagenetworkwasproposed.

Inthismethod，thesoftthresholdwasembeddedintothedeepstructureofthenetworkasanonlinear

transformationlayer，andthesoftattentionmechanismwasintroducedtooptimizethesoftthreshold，so