基于CNN和DBN的电缆故障类型识别VIP免费

基于CNN和DBN的电缆故障类型识别张一哲（西安科技大学电气与控制工程学院，陕西西安710054）摘要:现阶段电缆故障的诊断仍以离线的方法为主，在线诊断方法多仍处于探索研究阶段，很多理论尚存在很多问题,难以达到新时期形势下电缆故障在线诊断的要求。针对以上提出的问题，本文建立一个地下电缆分布系统仿真模型用于采集不同情况下不同故障类型的电压和电流信号，引入深度学习的概念来分析电缆故障的类型，创建基于深度学习理论的深度信念网络(DepthBeliefNetwork,DBN)和卷积神经网络(ConvolutionNeuralNetwork,CNNs)用于电缆故障的识别。该深度神经网络利用大量的故障数据能够自动完成故障信号特征的分类并提取将故障准确地定位到具体电缆上并识别出故障类型。实验结果表明基于深度学习理论的深度神经网络对电缆故障的识别优于浅层神经网络例如BP神经网络、支持向量机等。关键词：电缆故障诊断；深度学习；深度信念网络；卷积神经网络ResearchonCableFaultOn-lineDiagnosisMethodBasedonDBNandCNNZhangyi-zhe(SchoolofElectricalandControlEngineerXi'anUniversityofScienceandTechnology,Xi'an710054)ABSTRACT:Atpresent,thediagnosisofcablefaultisstilldominatedbyoff-linemethod,onlinediagnosticmethodsareinthestageofexploratoryresearchandmanytheoriesexistmanyproblems.Atpresent,thediagnosisofcablefaultisstilldominatedbyoff-linemethod,onlinediagnosticmethodsareinthestageofexploratoryresearchandmanytheoriesexistmanyproblems,Thedepthbeliefnetwork(DBN)andconvolutionneuralnetwork(CNN)basedondepthlearningtheoryaresetupforcablefaultidentification.Thedepthneuralnetworkcancompletetheclassificationoffaultsignalautomaticallyandlocatethefaultaccuratelyonthespecificcablebyusingalargenumberoffaultdata.TheexperimentalresultsshowthatthedepthneuralnetworkbasedondepthlearningtheoryissuperiortotheshallowneuralnetworksuchasBPneuralnetwork,supportvectormachineandsoon.Keywords:Cablefault;Deeplearning;DeepBeliefNetwork;ConvolutionalNeuralNetwork1引言电力电缆(powercable)，用于传输和分配电能的电能，常用于城市地下电网、发电站的引出线、工矿企业的内部以及过江过海的水下输电线。电力电缆是在电力系统的主干线路中用于传输和分配大功率电能的电缆产品[1]。其中包括1-500KV及以上各种电压等级,各种绝缘的电力电缆。相比于架空线的电力传输，地下电缆拥众多的优点，例如占用空间小，不易受到环境的干扰，有利于城市环境的建设和美化，根据《2015年中国电线电缆行业深度调研报告》[2-3]，近10年以来电缆的产量及增长量都逐渐升高如图1所示：图12006-2015年中国电力电缆产量及增长率一般认为电力电缆在正常情况下的使用年限为20到30年，但是因为电缆经常被安置于地下沟道或直接埋在土里,它的建设环境和使用的情况使它的寿命发生了很大的变动[4-6]。由于长期处于土壤中与水分、潮气充分接触导致其渗入电缆的绝缘层遭遇腐蚀，再加上在安装电缆过程中的磨损，很容易对以后电缆的运行造成故障隐患。一旦地下电缆发生故障。判断其故障点很困难,不仅会造成人力物力的损耗,还可能会导致停电事故的产生。若故障不能及时排除,将会对经济和社会带来或多或少的影响，因此如何准确、迅速的查找电缆故障便成了供电部门日益关注的问题。电缆故障诊断技术分为故障识别和故障定位，主要分为离线和在线诊断模式，就目前来讲使用离线诊断的方法居多，离线检测的方法就是在电缆发生故障后切断电源使之断电，使用各种设备来检测电缆故障，这种做法不仅耗费大量的人力及时间、实时性差，而且会对电缆造成一定的损伤。因此在线检测方式是未来电力电缆故障诊断的趋势。深度学习(DeepLearning,DL)是指使用有多层网络构架的模型,对数据进行特征计算、信号变换、模式分类等[7]。深度学习的思想就是将数据分布分成多层进行学习，每一层的分布都采用简单函数来表示，这样复杂的数据分布就可以用这些简单的函数来表达成非线性的复杂函数来学习了。随着电力电缆...