[发明专利]直流电缆局部放电缺陷故障的识别方法、系统及Caffe卷积神经网络

摘要

本发明公开了直流电缆局部放电缺陷故障的识别方法，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的q‑Δt‑n局部放电信号图；(2)将q‑Δt‑n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络；(4)采用训练样本训练Caffe卷积神经网络；(5)将待识别局部放电信号图输入经过训练的Caffe卷积神经网络中，获得识别结果。此外，本发明还公开了用于直流电缆局部放电缺陷故障识别的Caffe卷积神经网络。另外，本发明还公开了直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及Caffe卷积神经网络。该识别方法进行直流电缆的故障识别，以保证供电可靠。

主权项

1.一种直流电缆局部放电缺陷故障的识别方法，其特征在于，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的q‑Δt‑n局部放电信号图，其中q表示单个局部放电脉冲峰值，Δt表示两相邻局部放电的时间间隔，n表示某局部放电幅值q对应某时间间隔Δt的等效放电次数；(2)将q‑Δt‑n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络，所述Caffe卷积神经网络沿着数据处理的流向依次包括：串联设置的若干层卷积模块；串联设置的若干个全连接模块以及归一化指数函数(Softmax)层；其中，每个卷积模块均仅具有卷积层，线性整流函数激活函数层和池化层，数据输入各卷积模块后先经过卷积层的卷积操作，再经过线性整流函数激活函数层的激活操作，最后通过池化层输出该卷积模块的结果；每个全连接模块中均包含全连接层，线性整流函数激活函数层和流失层，数据输入全连接模块后先经过流失层随机选择激活的神经元，再经过全连接层进行全连接操作，最后经过线性整流函数激活函数层的激活操作输出特征数据；所述归一化指数函数层，对全连接模块输出的特征数据进行计算得到最终正确率和损失；(4)采用训练样本训练所述Caffe卷积神经网络；(5)将待识别局部放电信号图输入经过训练的所述Caffe卷积神经网络中，以从其输出获得识别结果。