科研之友
微信
新浪微博
Facebook
分享链接
摘要
为对高噪声环境下交联聚乙烯（XLPE）电缆故障进行智能化识别，提出了一种基于深度残差收缩网络的XLPE电缆故障识别方法，该方法将软阈值作为非线性变换层嵌入到网络深层结构中，并引入软注意力机制对软阈值进行加权优化，从而加强深度神经网络从高噪声局部放电信号中特征学习的能力，进而提高电缆故障诊断精度。首先，根据运维、检修经验制作了4种典型的终端故障，并搭建局部放电测试系统，测试得到不同电压等级下局部放电数据，并对其进行加噪处理；然后，通过深度残差收缩网络完成不同噪声环境下故障数据特征提取及分类；最后，与其他故障诊断方法进行对比。结果表明：该方法能够有效地对噪声信号进行抑制，极大地提高了高噪声环境下电缆故障诊断精度，为后续的工程应用提供了切实可行的方法。
-
单位哈尔滨理工大学; 广东电网有限责任公司肇庆供电局; 电子工程学院; 山东科汇电力自动化股份有限公司
