[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

本發明提供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，包括以下步驟：S1：獲取高壓電纜局部放電脈沖信號，并進行預處理；S2：將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。本發明提供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，利用深度置信網絡模型良好的特征篩選分析能力,有效提高了局部放電模式的識別精度和識別準確度，解決了目前在高壓電纜局部放電模式上存在識別準確度不夠高的問題。

技術領域

本發明涉及高壓配電識別技術領域，更具體的，涉及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。

背景技術

高壓電纜是電力系統重要的電力設備，其運行狀態影響著電網供電的安全性與可靠性。而高壓電纜經長時間運行使用會產生裂紋等缺陷，如果沒有及時的預防措施將會造成一系列嚴重的系統故障，因此對高壓電纜進行外絕緣的局部放電監測是對其絕緣狀況評估的重要手段。電纜絕緣缺陷形式多樣，不同缺陷類型引發的局部放電具有不同的表現形式，對設備安全運行的影響以及絕緣的危害程度也不同。準確識別出電纜局部放電類型進而判斷絕緣缺陷類型有著十分重要的意義。

目前對于高壓電纜局部放電模式的識別方面已有大量的研究成果，其中以反向傳播神經網絡和支持向量機的應用較為廣泛。但是，傳統的反向傳播神經網絡由于網絡層數限制，對大規模樣本的學習能力有限，在深層次特征提取方面存在不足，導致識別準確度不夠高。支持向量機也因核函數受Mercer條件限制、規則化參數選取困難以及當識別對象類型多時計算復雜等特點，而在實際應用中具有一定的局限性。

現有技術中，如2017年10月17日公開的中國專利，一種高壓開關柜局部放電分析方法，公開號為CN107255779A，基于S變換和DBN網絡對局部放電信號的模式進行識別，可以在線實時準確地分析出局部放電信息和放電量，但沒有結合粒子群算法進行識別，準確度不夠高。

發明內容

本發明為克服現有技術在高壓電纜局部放電模式上存在識別準確度不夠高的技術缺陷，提供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。

為解決上述技術問題，本發明的技術方案如下：

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，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(深度置信網絡)，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。

上述方案中，利用粒子群算法對深度置信網絡的初始權重進行優化，能夠有效避免因初值選擇不當導致算法陷入局部最優解和收斂速度慢的缺點。同時，利用深度置信網絡模型良好的特征篩選分析能力,有效提高了局部放電模式的識別精度和識別準確度，為監測對象的質量診斷體系提供保障。

優選的，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。