[发明专利]一种电缆故障在线诊断的方法

权利要求书

1.一种电缆故障在线诊断的方法，其特征在于，包括以下步骤：

Step1：采集故障电缆的三相电压信号并将其合成三维电压相图；

Step2：采用基于小线变换的信号处理方法对三维电压相图进行处理以获得电缆的故障特征，具体步骤为：

(1)建立Beamlet字典；

(2)对Step1的三维电压相图进行3D小线变换；

(3)根据不同尺度分析获得Beamlet金字塔；

(4)使用Beamlet算法从Beamlet金字塔中提取Beamlet变换系数，Beamlet变换系数即组成电缆的故障特征；

Step3：基于Step2获得的电缆的故障特征创建并训练一个深度信念网络；

Step4：运用Step3训练好的深度信念网络完成电缆故障类型的识别；

Step5：采用基于相速度的测距方法计算故障距离。

2.根据权利要求1所述的电缆故障在线诊断的方法，其特征在于：所述Step3中，创建并训练一个深度信念网络具体步骤如下：

(1)用原始的特征向量输入x_k创建深度信念网络的第一层，k＝1,2,3,4,5,6，第一层通过学习能够得到x_k的一阶特征所述x_k为Beamlet变换系数；

(2)用一阶特征作为深度信念网络的第二层的输入，第二层通过学习得到x_k的二阶特征

(3)把二阶特征作为softmax分类器的输入，训练得到一个将二阶特征映射到故障类型的深度信念网络模型；

(4)在确定深度信念网络的权值后，根据Beamlet变换系数形成的特征向量组成的样本，以BP网络的算法进行一次有监督的学习过程，学习结束即创建得到深度信念网络；

(5)设定深度信念网络的层数为3，即有3个RBM；

(6)以第一层的输入层作为第一个RBM的可视层，依次论推最后一层作为softmax分类的输入，softmax分类的输出为故障类型，输入节点数等于输入数据的维数19200，当输入维数小于该维数时，则用0向量补充，输出节点数等于目标分类数17，即为17种故障类型，对于每种输出采用5位编码格式作为输出结果；

(7)确定第一层节点n1＝500，第二层节点n2＝100；

(8)采用3D Beamlet变换系数作为深度信念网络的输入，不同编码格式作为不同故障类型的输出，训练3层的深度信念网络。

3.根据权利要求1所述的电缆故障在线诊断的方法，其特征在于：所述Step4中，电缆故障类型的识别具体步骤如下：

(1)将3D小线变换后的特征向量作为深度信念网络的输入，输入到训练好的深度信念网络中；

(2)根据输出结果判断电缆故障的类型，每一个5位编码格式对应一种故障类型。

4.根据权利要求1所述的电缆故障在线诊断的方法，其特征在于：所述Step5中，计算故障距离的方法具体为：

采集故障相的电缆两端的电压或电流信号，寻找两端电压或电流信号的相位差θ，然后将相位差θ带入如下公式计算故障距离：

其中：A＝α₁(R_g+R_L+α₂)-β₁β₂+R_gα₂+R_gR_L，

B＝α₁β₁+(R_g+R_L+α₂)β₁+R_gβ₂，

已知：α₁＝X₁r，α₂＝X₂r，

其中：X₁是测量点到故障点的距离，X₂是故障点到电缆另一端的距离，w是电力系统的频率，r是单位长度电缆电阻，C₀是单位长度电缆电容，L₀是单位长度电缆电感。