基于深度自编码网络的电弧故障检测与负载类型识别

来源：济南大学学报·自然科学版杂志2023年第03期北京时间：

作者：王尧,马啸尘,赵宇初,张丹,李奎

摘要：针对有监督学习的电弧故障检测方法需要大量带标签数据且大多只检测电弧故障而未对负载类型进行识别的问题，提出一种基于深度自编码网络的电弧故障检测与负载类型识别方法；采用小波包分解的节点系数作为自编码网络的无标签输入特征量，并运用逐层训练方法对自编码网络进行预训练；为了使所提出方法的权重系数达到全局最优，采用少量有标签数据对所得权重进行微调，通过Softmax多分类器输出电弧故障检测结果，并根据负载类别最大概率识别电弧故障可能的负载类型。结果表明，所提出的方法对电弧故障检测与负载类型识别准确率达到98.56%,高于相同层数和参数规模的有监督学习网络的准确率。

关键词：电弧故障;深度自编码网络;无监督学习;故障检测;负载类型

基金资助：国家自然科学基金项目(51907047);; 河北省自然科学基金项目(E2020202204);; 特种电机与高压电器教育部重点实验室开放课题项目(KFKT202003);; 浙江省基础公益研究计划项目(LGG20E070002)