基于深度神经网络的电力电缆故障检测方法研究

作者：胡青云; 黄应敏; 许翠珊; 李圣全; 邹汉锋

来源：电子设计工程, 2020, 28(24): 165-173.

DOI：10.14022/j.issn1674-6236.2020.24.034

• 深度神经网络
• 故障检测
• 电缆
• SVM
• BP-NN

针对深度神经网络(DNN)在电缆故障检测中的应用问题,文中讨论了接地故障、短路故障和开路故障三种故障类型,分析了DNN模型的前向无监督预训练与反向微调参数两个训练步骤,并进一步提出了基于DNN的电缆故障检测方法,该方法包括模型训练与实时检测两部分。前者利用基于Matlab平台的电缆故障仿真数据完成DNN模型训练,后者利用准确的DNN模型实现电缆故障的实时检测。仿真算例结果表明,通过反向微调参数能够保障DNN模型的准确性,相比于支持向量机(SVM)与BP神经网络算法(BP-NN),文中所提出基于DNN的电缆故障检测方法具有更高的准确度,能够应用于实际环境中电缆故障检测,保障电力系统的安全性与可靠性。

• 单位
  广州番禺电缆集团有限公司