基于优化卷积神经网络的电缆早期故障分类识别

准确识别电缆早期故障是及时消除故障隐患的必要前提.提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障.通过小波变换提取过电流信号特征,构建卷积神经网络,进行训练调整网络参数形成输入特征与类别编码之间的映射关系.为解决训练过拟合和学习效率的问题,通过修正损失函数和采用自适应学习率的方法优化卷积神经网络.仿真结果表明,所提方法能对过电流信号进行有效分类,准确识别电缆早期故障,具有较高的工程应用价值....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 48; no. 7; pp. 10 - 18
Main Authors 汪颖, 孙建风, 肖先勇, 卢宏, 杨晓梅
Format Journal Article
LanguageChinese
Published 四川大学电气工程学院,四川成都,610065 01.04.2020
Subjects
卷积神经网络
电缆早期故障
深度学习
分类识别
修正损失函数
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.190581

Cover

More Information
Summary:准确识别电缆早期故障是及时消除故障隐患的必要前提.提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障.通过小波变换提取过电流信号特征,构建卷积神经网络,进行训练调整网络参数形成输入特征与类别编码之间的映射关系.为解决训练过拟合和学习效率的问题,通过修正损失函数和采用自适应学习率的方法优化卷积神经网络.仿真结果表明,所提方法能对过电流信号进行有效分类,准确识别电缆早期故障,具有较高的工程应用价值.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.190581