基于PCA/LSTM的海底观测网电力系统供电海缆故障定位

发布时间：2022-02-14 22:38

　　海底观测网电力系统供电海缆易发生绝缘故障,由于其在海底极端环境下运行,实现高精度的电缆故障定位,对于降低其维修成本至关重要。基于海底观测网电能监控系统实时采集的电气测量参数,本文提出了基于主成分分析（Principal Components Analysis, PCA）和长短期记忆（Long Short-Term Memory, LSTM）网络的供电海缆高阻故障定位方法,先使用PCA进行数据降维,再将处理后的数据输入LSTM网络进行训练,捕获多源数据的时间特征,挖掘电力系统故障特征与电气参数之间的对应关系,实现海缆故障精确定位。通过在海底观测网原型系统上的实验证明,该方法经K折交叉验证方法（K-fold Cross Validation, K-CV）验证,准确率可达91%左右,故障定位误差约为0.4 km。 

【文章来源】：海洋技术学报. 2020,39(03)

【文章页数】：8 页

【部分图文】：

海底观测网电能监控系统软件界面

常规ANN仅在层与层之间具有连接，层中的单元没有连接，网络不传输时间信息，因此处理时间序列性能较差。而RNN则充分利用输入数据的时间信息，其中各隐藏层细胞之间的连接在同一层内形成有向循环[21]（如图2所示）。对于给定的输入端数据，表示为可以通过如下的前向计算公式（1）和式（2）计算出其通过一个标准RNN后的隐藏层序列和输出层序列。其中，W表示权重系数矩阵（例如Wxs表示输入层到隐藏层的权重系数矩阵），b表示各层的偏置向量，f表示激活函数。

LSTM网络在RNN网络中引入了一个长短期记忆功能块，以记住长时间或短时间情况下的梯度值[23]。具体来说，RNN网络的隐藏单元被包含输入、输出和遗忘三个门的LSTM功能块所取代，这三个门用于控制数据流入或流出其细胞存储的过程。具体的LSTM功能块如图3所示。其中，i,f,o分别代表输入门、遗忘门和输出门；c代表细胞状态；s表示隐藏层序列；W表示权重系数矩阵，b表示偏置项；tanh和σ分别表示正切激活函数和sigmoid激活函数。LSTM功能块的具体推导公式如下：

【参考文献】：
期刊论文
[1]基于LSTM循环神经网络的故障时间序列预测[J]. 王鑫,吴际,刘超,杨海燕,杜艳丽,牛文生.  北京航空航天大学学报. 2018(04)
[2]缆系海底科学观测网研究进展[J]. 吕枫,周怀阳.  工程研究-跨学科视野中的工程. 2016(02)
[3]缆系海底观测网电力系统结构与拓扑可靠性[J]. 吕枫,周怀阳,岳继光,何斌.  同济大学学报(自然科学版). 2014(10)
[4]深海海底观测网络远程电力监控系统研究[J]. 卢汉良,李德骏,杨灿军,金波,陈鹰.  传感技术学报. 2011(04)



本文编号：3625395