融合LSTM和DBM的電力電纜故障診斷方法研究

打開文本圖片集

摘 要：

在電力系統(tǒng)正常安全運(yùn)行中，電力電纜易受到自然氣象以及人為因素造成的電纜損壞等故障，嚴(yán)重破壞了電力線路的正常運(yùn)行，降低了電力信號的正常傳輸，影響電力系統(tǒng)的穩(wěn)定性和可靠性。基于此，設(shè)計(jì)了一種基于長短期神經(jīng)網(wǎng)絡(luò)和深度玻爾茲曼算法相融合改進(jìn)長短期神經(jīng)網(wǎng)絡(luò)電力電纜故障診斷方法，將電力電纜上的電力信號作為長短期神經(jīng)網(wǎng)絡(luò)輸入層的數(shù)據(jù)源進(jìn)行實(shí)時(shí)采集和監(jiān)控，利用神經(jīng)網(wǎng)絡(luò)的隱藏層對各類電力信號進(jìn)行處理與識(shí)別，將發(fā)生故障時(shí)的異常數(shù)據(jù)進(jìn)行精確提取，并作用于輸出層進(jìn)行表達(dá)，提升了對電力電纜故障識(shí)別的準(zhǔn)確率。（剩余5648字）