[发明专利]一种基于波形学习的电缆早期故障识别方法在审
| 申请号： | 201910970837.1 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110543921A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 张文海;卢宏;汪颖;肖先勇;杨晓梅 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06F17/50;G01R31/08;G01R31/02 |
| 代理公司： | 51229 成都正华专利代理事务所(普通合伙) | 代理人： | 陈选中<国际申请>=<国际公布>=<进入 |
| 地址： | 610044 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于波形学习的电缆早期故障识别方法，通过PSCAD/EMTDC生成用于训练DDBN的各种样本数据，提供了DDBN进行故障识别的准确性；本发明方法利用变电站端测量到的电流数据从多种过电流扰动中识别电缆早期故障，在永久性故障发生之前进行电缆检修，避免发生永久性故障，提高供电可靠性。 | ||
| 搜索关键词： | 永久性故障 早期故障 电缆 供电可靠性 电缆检修 电流数据 故障识别 样本数据 过电流 扰动 变电站 测量 学习 | ||
【主权项】：
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：/nS1、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；/nS2、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；/nS3、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；/nS4、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；/nS5、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；/nS6、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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910970837.1/，转载请声明来源钻瓜专利网。
