| 基于CNN-LSTM的海底电缆故障识别方法 |
|
| |
| DOI： |
| 中文关键词: 故障识别 CNN-LSTM 海缆故障 深度学习 |
| 英文关键词: |
| 基金项目:国家电网公司科技资助项目 （5108-202218280A-2-325-XG） |
|
| 摘要点击次数: 446 |
| 全文下载次数: 342 |
| 中文摘要: |
| 海底电缆在电能传输和跨洋通信中扮演着重要的角色， 而海缆故障识别技术则是确保电力系统和通信系统稳定运行的关键。 传统的海缆故障识别方法主要依赖人工经验， 存在识别精度差效、 识别率低下的问题。 为此， 本文提出了一种基于卷积神经网络 （Convolutional Neural Networks， CNN） 长短期记忆网络 （Long Short Term Memory， LSTM） 级联网络的故障识别方法， 以解决这一问题。 该方法将故障的海缆磁场数据作为输入， 通过 CNN 对故障进行浅层特征提取， 再利用 LSTM 对深层故障特征进行提取， 从而实现对海缆常见故障类型 （内芯部分断路、铠装层脱落和内芯劣化） 的精准识别。 为了验证该方法的优势， 本文还基于 CNN-LSTM 网络模型与单一 CNN 网络模型和单一 LSTM 网络模型进行对比。 实验结果表明： 三种网络模型均具有良好的收敛特性， 但是基于 CNN-LSTM 网络的识别准确率高达 98.75%， 比单一 CNN 网络准确率高 11.86%， 比单一 LSTM 网络准确率高 17.75%， 该方法在海缆故障识别方面具有一定的应用前景。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
|
