[發明專利]基于粒子群算法和DBN的高壓電纜局部放電模式識別方法

在審

• 申請號: 202011026799.3
• 申請日: 2020-09-25
• 公開（公告）號: CN112183745A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 王干軍;吳毅江;林洪棟;戴澤雄;董芝春;黃源輝;楊勁松;周慧彬
• 申請（專利權）人: 廣東電網有限責任公司中山供電局
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/00;G06K9/62;G06K9/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于粒子群算法和DBN的高壓電纜局部放電模式識別方法，其特征在于，包括以下步驟：

S1：獲取高壓電纜局部放電脈沖信號，并對高壓電纜局部放電脈沖信號進行預處理；

S2：將經過預處理的高壓電纜局部放電脈沖信號劃分為訓練樣本和測試樣本；

S3：建立DBN，并采用粒子群算法優化DBN的初始權重，得到最優初始權重；

S4：輸入訓練樣本對完成初始權重優化的DBN進行離線訓練,得到訓練后的DBN模型；

S5：將測試樣本輸入到訓練后的DBN模型中進行測試，得到高壓電纜多源局部放電的識別結果。

2.根據權利要求1所述的基于粒子群算法和DBN的高壓電纜局部放電模式識別方法，其特征在于，在步驟S1中，預處理的具體步驟為：

S1.1：剔除高壓電纜局部放電脈沖信號中的冗余數據和錯誤數據；

S1.2：采用插值法補全高壓電纜局部放電脈沖信號中的缺失數據；

S1.3：將不同量綱的高壓電纜局部放電脈沖信號進行歸一化處理。

3.根據權利要求2所述的基于粒子群算法和DBN的高壓電纜局部放電模式識別方法，其特征在于，在步驟S1.3中，歸一化處理的計算公式為：

其中，x表示歸一化前的高壓電纜局部放電脈沖信號，x'表示歸一化后的高壓電纜局部放電脈沖信號，x_min表示獲取到的高壓電纜局部放電脈沖信號的最小值，x_max表示獲取到的高壓電纜局部放電脈沖信號的最大值。

4.根據權利要求1所述的基于粒子群算法和DBN的高壓電纜局部放電模式識別方法，其特征在于，在步驟S2中，訓練樣本中的樣本數和測試樣本中的樣本數的比例為5：1。

5.根據權利要求1所述的基于粒子群算法和DBN的高壓電纜局部放電模式識別方法，其特征在于，在步驟S3中，采用粒子群算法優化DBN的初始權重的具體步驟如下：

S3.1：初始化粒子群參數，包括：設定學習因子、最大迭代次數、慣性權重；設定粒子速度和粒子位置范圍，在粒子位置范圍內隨機初始化粒子的速度向量和位置向量；設定各粒子的個體極值P_best和粒子群的群體極值G_best；

S3.2：將DBN各層間的連接權重映射到粒子的各維度；

S3.3：計算粒子的適應度F_fitness；

S3.4：比較各粒子當前的適應度與其自身的個體極值P_best的大小；

若粒子當前的適應度大于P_best，則用粒子當前的適應度更新P_best；

否則，保持P_best不變；

S3.5：比較粒子群中所有粒子的個體極值與G_best的大小；

若存在優于G_best的個體極值，則用優于G_best的個體極值更新G_best；

否則，保持G_best不變；

S3.6：根據P_best和G_best更新各粒子的速度和位置；

S3.7：判斷迭代是否終止；

若迭代終止，則執行步驟S3.8；

否則，返回步驟S3.3；

S3.8：將最終更新得到的群體極值G_best的各維數值作為DBN的最優初始權重。

6.根據權利要求5所述的基于粒子群算法和DBN的高壓電纜局部放電模式識別方法，其特征在于，在步驟S3.3中，計算粒子的適應度F_fitness的公式為：

其中，p_ij為第i個粒子的第j維數據的重構值，t_ij為第i個粒子的第j維數據的實際值，N為粒子總數目，m為粒子的維數。