基于栈式相关性稀疏自编码的电力通信网故障诊断

论文摘要

针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(StackedRelational SparseAutoencoder,SRAE)深度神经网络的电力通信网故障诊断方法。将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足。因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder, RAE)。然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE。最后,以路由器之间的连接故障为例进行仿真实验。实验结果表明所提出的故障诊断方法准确率平均值达到99.625%,具有较高且稳定的诊断准确性。

论文目录

• 0 引言
• 1相关性稀疏自编码的原理
•   1.1自编码的原理
•   1.2稀疏性限制
•   1.3 相关性限制
• 2 栈式相关性稀疏自编码
•   2.1 栈式相关性稀疏自编码的预训练和微调
•   2.2 栈式相关性稀疏自编码的电力通信网故障诊断
• 3 实验验证
•   3.1 实验数据
•   3.2 实验分析
• 4 结论

文章来源

类型: 期刊论文

作者: 聂晓音,谢刚,李洋,张博

关键词: 电力通信网,故障诊断,相关性,稀疏性,自编码

来源: 电力系统保护与控制 2019年19期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 太原科技大学电子信息工程学院,太原工业学院自动化系,国网山西省电力公司信息通信分公司

基金: 山西省重点研发计划重点项目资助(201703D 111027),国网山西省电力公司科学技术项目资助~~

分类号: TM711

DOI: 10.19783/j.cnki.pspc.181285

页码: 158-163

总页数: 6

文件大小: 823K

下载量: 141