基于轨迹图像与卷积神经网络的电缆早期故障识别

作者：张毅斌; 李梦诗; 徐子弘; 张禄亮; 季天瑶; 陈子明

来源：广东电力, 2022, 35(08): 86-94.

DOI：10.3969/j.issn.1007-290X.2022.008.010

• 电缆
• 早期故障
• 深度学习
• 卷积神经网络
• 相空间重构
• 轨迹图像

准确识别电力电缆的早期故障可以为电缆的运行状态评估提供参考，进而合理安排线路检修，提高电缆线路的运行稳定性。为此，首先基于相空间重构技术对电流信号进行数据重构，并根据重构结果绘制电流信号的轨迹图像；然后根据绘制的轨迹图像，通过搭建卷积神经网络来完成电缆早期故障的识别任务；最后借助PSCAD/EMTDC仿真获得的数据验证所提方法的准确性和可行性。实验结果表明：该方法可以在训练样本占比仅为0.05的情况下达到0.99以上识别准确度，同时还具有优异的鲁棒性，可以适应信噪比仅有15 dB的环境。

• 单位
  华南理工大学