[發明專利]基于RST-CNN的電力電纜溝道故障診斷方法

在審

• 申請號: 202010013329.7
• 申請日: 2020-01-07
• 公開（公告）號: CN111273125A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 黃新波;劉俊俊;朱永燦;趙隆
• 申請（專利權）人: 西安工程大學
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06F16/28;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 張皎

本發明公開了基于RST?CNN的電力電纜溝道故障診斷方法，具體按照以下步驟實施：構建電力電纜在線監測系統，實時測量電力電纜的各種在線數據；構建特征信息表，利用信息特征數據建立條件屬性表、決策屬性表，構建故障診斷決策表；利用粗糙集理論對各個屬性進行分析并尋找約簡屬性集，消除特征信息中的多余屬性，對其條件屬性約簡特征信息并從中提取決策規則，構建約簡決策表；建立基于神經網絡的故障模型，并進行訓練優化；對故障類型進行誤差驗證，獲得優化故障模型，在線數據輸入優化故障模型，獲得故障類型；本發明的方法在彌補神經網絡檢測的不足的同時，能更加準確有效地判斷電纜溝道的故障類型，進而能夠有效率的檢修。

技術領域

本發明屬于電力電纜溝道故障類型診斷技術領域，具體涉及基于 RST-CNN的電力電纜溝道故障診斷方法。

背景技術

電力電纜作為一種輸電設備，由于其本身的優點，在現代化城市電網建設中得到廣泛應用。電纜溝道管理水平的高低不但直接影響電力電纜的安全運行，廣大客戶的安全用電，也直接影響著行人、溝道周邊單位和個人的生命和財產安全。通過對電纜溝道環境問題的分析，監測系統需要采用現代化的設備對電纜溝道的環境和安全狀況進行監測，包括介質因素角、外部絕緣、泄漏電流、接地電容電流、線芯溫度、電纜電流、環境溫度、環境濕度進行測量采集，并能通過對監測數據進行分析，起到全程監測、實時傳輸、預警提示的作用，各種采集的含量可作為電力電纜溝道機械故障診斷預警所用的豐富信息。

已有的電力電纜溝道故障檢測的方法有很多，其中涉及各種人工智能算法，如：模糊控制能用精確的數學工具將模糊的概念或自然語言清晰化，但其隸屬函數和模糊規則的確定過程存在一定的人為因素；徑向基神經網絡為電纜溝道的故障診斷問題提供了一種比較好的結構體系，但存在著無法解釋自己的推理過程和推理依據以及數據不充分時神經網絡無法正常工作的缺點。

近年來，神經網絡被提出應用于故障診斷，雖然其訓練時間短且準確率較高，但是經仿真得出電纜溝道在故障診斷過程中，由于故障產生的機理不甚清楚，特征之間的關系錯綜復雜，表現形式多元化，重復故障特征生成也會很大程度上影響診斷的準確率。

發明內容

本發明的目的是提供基于RST-CNN的電力電纜溝道故障診斷方法，能夠準確、有效地判斷電纜溝道的故障類型。

本發明采用的技術方案是，基于RST-CNN的電力電纜溝道故障診斷方法，具體按照以下步驟實施：

步驟1、建立電力電纜在線監測系統，將電力電纜溝道的電纜與在線監測系統連接，通過電力電纜在線監測系統實時獲得電力電纜的各種在線數據，并將在線數據劃分為訓練集和驗證集；

步驟2、對在線數據進行信息采集，建立特征信息表，利用信息特征數據建立條件屬性表、決策屬性表，根據條件屬性表和決策屬性表構建故障診斷決策表；利用粗糙集理論對各個屬性進行分析并尋找約簡屬性集，消除特征信息中的多余屬性，最后對其條件屬性約簡特征信息并從中提取決策規則，構建約簡決策表；

步驟3、建立基于神經網絡的故障模型，將約簡決策表中的約簡特征信息作為神經網絡的輸入，經過神經網絡的處理之后輸出，再經過訓練學習后輸出故障類型；

步驟4、通過驗證集對故障類型進行誤差驗證，當誤差在預期范圍內，輸出相應的優化故障模型，將步驟1中實時獲得電力電纜的各種在線數據輸入優化故障模型，獲得故障類型。

本發明的特點還在于：

步驟1具體過程為：

步驟1.1、構建電力電纜在線監測系統，具體構建方法如下：

將處理器分別連接電源模塊、液晶模塊、數據存儲單元、以太網控制模塊、CAN控制模塊，將數據采集AD模塊通過CAN總線連接到處理器，將信息采集單元的輸入端連接電纜各項傳感器；

步驟1.2、將電力電纜溝道的電纜分別與各項電纜傳感器連接；