摘要：将深度学习概念应用到电缆早期故障识别中,提出结合S变换与堆叠自动编码器（SAE）的电缆早期故障识别方法。通过对故障相电流进行S变换,将获得的S变换模时频矩阵分为低、中和高频段。求取对应频段的能量熵和奇异熵等特征量,并组成特征向量后,将时频域特征向量作为SAE网络的输入,经过预训练和参数微调,得到最优训练参数。利用构建好的网络从输入数据中挖掘有用信息,从大量扰动中识别电缆早期故障。仿真结果表明,与传统模式识别方法相比,所提方法的精度更高。

关键词：电缆 电缆早期故障 s变换 奇异熵 能量熵 

单位：四川大学电气信息学院; 四川成都610065; 国网四川检修公司; 四川成都610042