[发明专利]一种基于波形学习的电缆早期故障识别方法

权利要求书

1.一种基于波形学习的电缆早期故障识别方法，其特征在于，包括以下步骤：

S1、搭建模拟电缆早期故障期间的仿真模型，并基于仿真模型生成电缆早期故障的波形数据和过流扰动的波形数据，并将生成的电缆早期故障的波形数据和过流扰动的波形数据作为样本数据；

S2、利用平稳小波变换对样本数据进行处理，提取对应的浅层特征向量，并将其输入深度置信网络中；

S3、通过深度置信网络对输入的浅层特征向量进行学习，提取出对应的深层特征，并根据提取的深层特征进行故障类型识别；

S4、基于故障类型识别结果，对深度置信网络的识别性能进行检测，并根据检测结果对深度置信网络的参数进行优化；

S5、将待识别的电缆故障电流数据经平稳小波变换处理提取的浅层特征向量作为测试数据；

S6、将测试数据输入到参数优化后的深度置信网络中，并输出对应的故障类型，实现电缆早期故障识别。

2.根据权利要求1所述的基于波形学习的电缆早期故障识别方法，其特征在于，所述步骤S1具体为：

S11、通过在PSCAD/EMTDC中采用Kizilcay电弧模型模拟电缆早期故障期间的时变电弧电阻；

S12、基于时变电弧电阻和不同类型的电缆早期故障统计特征，搭建仿真模型；

S13、设置采样率为10kHz；

S14、通过仿真模型在设置的采样率下生成不同类型电缆早期故障的波形数据；

S15、在仿真模型中接入故障模块，使仿真模型在设置的采样率下生成对应的过流扰动数据；

S16、将生成的电缆早期故障的波形数据和过流扰动的波形数据作为样本数据。

3.根据权利要求2所述的基于波形学习的电缆早期故障识别方法，其特征在于，所述步骤S11中的Kizilcay电弧模型的表达式为：

式中，τ是电弧时间常数；

t为时间；

u₀为特征电弧电压；

r₀为特征电弧电阻；

g为电弧电导，且i_f为故障电流，v_f为故障电压；

所述步骤S12中的电缆早期故障统计特征包括早期故障发生在电压峰值处、自动清除特性、重复发生并导致永久性故障、多周波早期故障、半周波早期故障和不会引起电力系统过流保护装置动作；

所述步骤S15中，当故障模块为电容器时，生成的过流扰动数据为电容切投的波形数据；

当故障模块为恒定阻抗时，生成的过流扰动数据为恒定阻抗故障的波形数据；

当故障模块为变压器时，生成的过流扰动数据为磁激涌流的波形数据。

4.根据权利要求2所述的基于波形学习的电缆早期故障识别方法，其特征在于，所述步骤S2具体为：

S21、通过平稳小波变换对样本数据进行分解层数为8层的静态小波分解，得到数据样本的高频细节系数和低频近似系数；

S22、依次提取高频细节系数和低频近似系数的浅层特征；

S23、基于提取到的浅层特征，形成浅层特征向量，并将其输入到深度置信网络中。