基于栈式相关性稀疏自编码的电力通信网故障诊断

摘要：

针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(Stacked Relational Sparse Autoencoder,SRAE)深度神经网络的电力通信网故障诊断方法.将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足.因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder,RAE).然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE.最后,以路由器之间的连接故障为例进行仿真实验.实验结果表明所提出的故障诊断方法准确率平均值达到99.625％,具有较高且稳定的诊断准确性.

关键词：电力通信网、故障诊断、相关性、稀疏性、自编码

所属期刊栏目：47

资助基金：山西省重点研发计划重点项目资助201703D 111027;国网山西省电力公司科学技术项目资助

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：158-163