基于改进变分模态分解与DCNN-BiLSTM的中压电缆早期故障辨识方法OA
为高效辨识10 kV电缆早期故障,提出了一种基于卷积神经网络与双向长短时记忆网络的智能诊断方法.首先,结合快速傅里叶变换与变分模态分解进行多尺度故障信号处理,并通过人工旅鼠优化算法自适应调整变分模态分解参数,进而提高变分模态分解的准确性与稳定性.其次,基于相关系数与均方根误差筛选本征模态函数,重构并融合多源特征,构建高质量特征数据集.再次,在特征学习阶段,利用空洞卷积模块扩大感受野、提取局部与全局空间特征,通过双向长短时记忆网络深入挖掘信号的时序演变规律.最后,为强化不同模态特征的协同作用,引入交叉注意力机制,动态分配权重,从而使模型聚焦关键特征区域.结果表明,在各种场景的噪声干扰环境下,所提方法仍能实现高精度的电缆早期故障辨识,具有良好的抗干扰性与泛化能力,为电力系统故障预警与维护提供了有效技术支持.
张雨利;赵洪振;王威;刘宗杰;邵峻;李长云
国网山东省电力公司济宁供电公司,山东济宁272023国网山东省电力公司济宁供电公司,山东济宁272023国网山东省电力公司济宁供电公司,山东济宁272023国网山东省电力公司济宁供电公司,山东济宁272023山东科技大学电气与自动化工程学院,山东青岛266590山东科技大学电气与自动化工程学院,山东青岛266590
信息技术与安全科学
电缆早期故障变分模态分解人工旅鼠算法特征融合状态识别
《安徽大学学报(自然科学版)》 2026 (4)
P.53-61,9
国网山东省电力公司科技项目(ERP:520606240004)。
评论