基于参数优化的VMD-SVD和LSTM的输电杆塔倾斜状态识别

作者：赵隆^*; 温冠儒; 刘志成; 袁鹏; 董新胜

来源：中国电力, 2023, 56(12): 217-237.

• 杆塔倾斜
• 状态识别
• 北方苍鹰算法优化
• 自适应变分模态分解
• 奇异值分解
• 长短期记忆神经网络

针对输电杆塔结构状态信息提取难度大、精度低等问题，提出了一种基于北方苍鹰算法优化的变分模态分解（northern goshawk optimized variational mode decomposition,NGO-VMD）与长短期记忆（long shortterm memory,LSTM）神经网络的输电杆塔倾斜状态识别方案。通过北方苍鹰优化算法解决了变分模态分解参数难确定的问题，并且证明其分解的各阶本征模态分量（intrinsic mode function,IMF）可以有效提取出杆塔结构的模态信息。为了使信息特征更为明显，对IMF分量进行奇异值分解（singular value decomposition,SVD），发现各阶分量的奇异值在杆塔不同状态下有较为明显的区别。最后引入LSTM神经网络进行特征分类，形成故障诊断模型。依托某110kV猫头塔对模型进行试验验证，结果表明：所提方法对杆塔倾斜状态的识别准确率为96.68%，与其他方法相比，具有效率更高、稳定性更强、更加精准的优势。

• 单位
  西安工程大学