基于轨迹图像与卷积神经网络的电缆早期故障识别

摘要：

准确识别电力电缆的早期故障可以为电缆的运行状态评估提供参考,进而合理安排线路检修,提高电缆线路的运行稳定性.为此,首先基于相空间重构技术对电流信号进行数据重构,并根据重构结果绘制电流信号的轨迹图像;然后根据绘制的轨迹图像,通过搭建卷积神经网络来完成电缆早期故障的识别任务;最后借助PSCAD/EMTDC仿真获得的数据验证所提方法的准确性和可行性.实验结果表明:该方法可以在训练样本占比仅为0.05的情况下达到0.99以上识别准确度,同时还具有优异的鲁棒性,可以适应信噪比仅有15 dB的环境.

关键词：电缆、早期故障、深度学习、卷积神经网络、相空间重构、轨迹图像

所属期刊栏目：35

分类号：TM726.4;TP181(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：86-94