[发明专利]基于深度卷积神经网络的10kV单芯电缆早期状态辨识方法

权利要求书

1.一种基于深度卷积神经网络的10kV单芯电缆早期状态辨识方法，其特征在于，包括以下步骤：

S1、从电缆首端获取接地线电流信号，根据信号特点选择适当的样本时间窗，截取接地线电流突变信号；

S2、利用小波变换对突变信号进行分解，获得近似系数和细节系数，再通过对近似系数与细节系数进行分支重构，获得多个尺度分量信号；

S3、对重构出来的每个尺度分量信号进行波形特征提取和尺度分量信号之间能量特征的计算，并基于所述波形特征和能量特征构建电缆早期状态辨识特征矩阵X；每个尺度分量信号的能量特征包括单个尺度分量信号能量占比和相邻尺度分量信号能量比两类；所述波形特征包括峰度、偏斜度、方差、绝对平均幅值、均方根值、波峰因子、脉冲因子、清除因子、形状因子；

S4、依据所述状态辨识特征矩阵X的尺寸特点，构建7层深度卷积神经网络模型；

S5、利用小批量随机梯度下降法对构建好的7层深度卷积神经网络模型进行有监督学习下的模型训练；

S6、基于训练完成的目标模型进行电缆早期状态辨识。

2.根据权利要求1所述的10kV单芯电缆早期状态辨识方法，其特征在于，所述步骤S1中，根据信号特点选择适当的样本时间窗，具体包括：根据接地线电流信号暂态过程持续时间，选择信号突变时刻前后适当的样本时间窗口。

3.根据权利要求1所述的10kV单芯电缆早期状态辨识方法，其特征在于，

所述步骤S2中，利用小波变换对突变信号分解为4层；

所述步骤S3中各波形特征和能量特征的计算方法如表1所示：

表1

其中，N为重构尺度分量信号的长度，x_i为重构尺度分量信号第i个点的幅值，S_j为第j层重构尺度分量信号的能量，Sa_j为第j层重构低频尺度分量信号的能量，Sd_j为第j层重构高频尺度分量信号的能量，S为多个重构尺度分量信号的能量和；

n为尺度分量信号的样本点数目；

S＝Sa_j+Sd_j+Sd_j-1+…+S_d1；

接地线电流突变信号小波分解为4层后，获得的波形特征量有45个，a4层特征为[x_a41,x_a42,…,x_a49]，d4层特征为[x_d41,x_d42,…,x_d49],d3层特征为[x_d31,x_d32,…,x_d39]，d2层特征为[x_d21,x_d22,…,x_d29],d1层特征为[x_d11,x_d12,…,x_d19]；能量特征有9个，其中单个尺度分量信号能量占比特征5个，相邻尺度分量信号能量比特征4个，能量特征可整体表示为[x_a4,x_d4,x_d3,x_d2,x_d1,x_a4d4,x_d4d3,x_d3d2,x_d2d1]；得到电缆早期状态辨识特征的数量共计54个；将54个特征构造成6×9的状态辨识特征矩阵作为输入量，得到电缆早期状态辨识特征矩阵X如下表示：