[發明專利]基于DAE-CNN的地下電纜早期故障檢測和識別方法

在審

• 申請號: 202110375157.2
• 申請日: 2021-04-08
• 公開（公告）號: CN113203914A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 季天瑤;徐子弘;李夢詩;吳青華
• 申請（專利權）人: 華南理工大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鐘瑞敏

本發明公開了一種基于DAE?CNN的地下電纜早期故障檢測和識別方法，首先對地下電纜早期故障進行模擬仿真，以獲取電流的仿真數據；然后采用降噪自動編碼器對仿真數據進行特征提取，得到降維后的電流數據；接著采用降維后的電流數據對卷積神經網絡進行訓練，生成可用于檢測和識別地下電纜早期故障的判別器；采用降噪自動編碼器對待測地下電纜的電流數據進行特征提取，得到降維后的電流數據，將其作為判別器的輸入，利用判別器輸出該地下電纜的早期故障識別結果。本發明可以實現配電網早期故障的精確診斷。

技術領域

本發明涉及配電網早期故障識別和信號處理的技術領域，尤其是指一種基于DAE-CNN的地下電纜早期故障檢測和識別方法。

背景技術

目前，隨著電網容量的擴大以及城市用電規模的增加，地下電力電纜因體積小、安全性高和抗干擾性強等優點被廣泛地應用于電能傳輸和電能分配。然而，由于電纜長期敷設于地下，其絕緣部分(尤其是電纜接頭位置)易受到土壤鹽分和濕氣的腐蝕而造成局部絕緣缺陷。早期的絕緣缺陷會引發電纜局部放電，從而形成間歇性電弧故障，而電弧故障又會進一步惡化電纜的絕緣情況，最終導致電纜的永久性故障。因此，精確識別發生早期故障的電纜并對故障進行準確識別，對于消除隱藏的供電系統隱患、提高電網的安全性和穩定性具有重要意義。

電纜早期故障分類識別算法主要有閾值法、推理法和分類器法。然而在實際電力系統中，線路結構復雜，元件之間存在強關聯耦合關系，運行條件具有不確定性，使用閾值法難以根據實際的電力系統確定合適的閾值；推理法雖然不需要閾值，但其通常借助小波變換等信號處理方法分析故障信號的時頻域特征，并以此為依據推理故障類型，因此針對性較強，難以推廣泛化；使用傳統的分類器對擾動信號的分類識別能力表現則較差。因此，有必要研究能夠克服現有方法的不足，精確判別地下電纜早期故障的技術。

發明內容

本發明的第一目的在于克服現有技術的缺點與不足，提出了一種基于DAE-CNN的地下電纜早期故障檢測和識別方法，突破現有傳統方法的缺點，利用改進參數的降噪自動編碼器和卷積神經網絡，實現配電網早期故障的精確診斷。

本發明的第二目的在于提出一種基于DAE-CNN的地下電纜早期故障檢測和識別裝置。

本發明的第三目的在于提出一種計算機可讀存儲介質。

本發明的第四目的在于提出一種計算設備。

為實現第一目的，本發明所提供的技術方案為：一種基于DAE-CNN的地下電纜早期故障檢測和識別方法，步驟如下：

對地下電纜早期故障進行模擬仿真，以獲取電流的仿真數據；

采用降噪自動編碼器對仿真數據進行特征提取，得到降維后的電流數據；

采用降維后的電流數據對卷積神經網絡進行訓練，生成可用于檢測和識別地下電纜早期故障的判別器；

采用降噪自動編碼器對待測地下電纜的電流數據進行特征提取，得到降維后的電流數據，將其作為判別器的輸入，利用判別器輸出該地下電纜的早期故障識別結果。

優選的，對地下電纜早期故障進行模擬仿真的過程如下：

1)根據地下電纜不同種典型的過電流擾動的特點，在PSCAD/EMTDC和Laboratory分別建立電路模型，仿真得到不同擾動類型的電流波形，從而形成仿真數據集；

2)對仿真數據都進行歸一化處理：

其中，X_i為仿真數據集中第i個數據值，X_max為仿真數據集中的數據最大值，X_min為仿真數據集中的數據最小值，X^*為歸一化后的仿真數據。

優選的，采用降噪自動編碼器對仿真數據進行特征提取，過程如下：