文献类型：期刊文章

作　　者：聂晓音[1,2] 谢刚[1] 李洋[3] 张博[1]

NIE Xiaoyin;XIE Gang;LI Yang;ZHANG Bo(School of Electronic and Information Engineering,Taiyuan University of Science and Technology,Taiyuan 030024,China;Department of Automation,Taiyuan Institute of Technology,Taiyuan 030008,China;Department of Communications State Grid Information & Telecommunication Company of SEPC,Taiyuan 030001,China)

机构地区：[1]太原科技大学电子信息工程学院,山西太原030024 [2]太原工业学院自动化系,山西太原030008 [3]国网山西省电力公司信息通信分公司,山西太原030001

出　　处：《电力系统保护与控制》

基　　金：山西省重点研发计划重点项目资助(201703D 111027);国网山西省电力公司科学技术项目资助~~

年　　份：2019

卷　　号：47

期　　号：19

起止页码：158-163

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对电力通信网故障的特征自学习提取与诊断问题,提出一种栈式相关性稀疏自编码(Stacked RelationalSparse Autoencoder, SRAE)深度神经网络的电力通信网故障诊断方法。将电力通信网中MIB(Management Information Base)变量状态数据编码为二进制序列作为训练数据,浅层单一的自编码网络对故障的自学习、特征提取能力不足。因此,首先将稀疏性限制和输入数据相关性限制融入自编码网络,构成相关性稀疏自编码神经网络(Relational Sparse Autoencoder, RAE)。然后将其层层堆栈,并在最后一层隐含层后添加分类器,构成SRAE。最后,以路由器之间的连接故障为例进行仿真实验。实验结果表明所提出的故障诊断方法准确率平均值达到99.625%,具有较高且稳定的诊断准确性。

关 键 词：电力通信网 故障诊断 相关性  稀疏性 自编码  

分 类 号：TM711]