基于栈式相关性稀疏自编码的电力通信网故障诊断

• Published in: 电力系统保护与控制 Vol. 47; no. 19; pp. 158 - 163
• Main Authors: 聂晓音, 谢刚, 李洋, 张博
• Format: Journal Article
• Language: Chinese
• Published: 太原工业学院自动化系,山西太原 030008%太原科技大学电子信息工程学院,山西太原,030024%国网山西省电力公司信息通信分公司,山西太原,030001 01.10.2019; 太原科技大学电子信息工程学院,山西太原 030024
• Subjects: 稀疏性; 电力通信网; 自编码; 相关性; 故障诊断
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.181285

针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(Stacked Relational Sparse Autoencoder,SRAE)深度神经网络的电力通信网故障诊断方法.将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足.因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder,RAE).然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE.最后,以路由器之间的连接故障为例进行仿真实验.实验结果表明所提出的故障诊断方法准确率平均值达到99.625％,具有较高且稳定的诊断准确性.