基于深度学习的万能式断路器剩余寿命预测优化方法

作者：孙曙光; 魏硕; 王景芹; 邵旭; 孙靓; 高辉

来源：电测与仪表, 2022, 1-9.

• 万能式断路器
• 剩余寿命预测
• VMD
• 特征注意力
• CNN

智能电网背景下，针对机械动作复杂的万能式断路器的状态监测，提出一种基于深度学习的万能式断路器剩余寿命预测优化方法。首采用变分模态分解（Variational Mode Decomposition， VMD）对分闸振动信号进行分解，并选择峭度较大的模态进行重构，以突出信号的有效冲击特征。引入特征注意力卷积神经网络（Feature Attention Convolutional Neural Network， FACNN）进行寿命预测，将特征注意力模块嵌入一维卷积层，优化神经元对关键状态信息的捕捉能力。利用断路器的实测数据进行验证。结果表明，该方法能够针对性地实现断路器的剩余机械寿命预测，具有较高的预测精度和稳定性，有效减少了因系统复杂性造成的数据不确定性影响。

• 单位
  河北工业大学