重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (2): 181-187.doi: 10.3969/j.issn.1674-8425(z).2020.02.025

• 电气·电子 • 上一篇    下一篇

基于 ＣＡＳ优化的 ＬＳＴＭ 循环神经网络的高压断路器故障预测方法研究

张 莲１，王 磊１，曹 阳２   

  1. 重庆理工大学 电气与电子工程学院，重庆 ４０００５４；国网山西检修公司
  • 收稿日期:2019-01-09 发布日期:2020-03-18
  • 作者简介:张莲，女，教授，硕士生导师，主要从事远程测试与控制技术、信号处理等方面的研究，Ｅ-ｍａｉｌ：ｚｈ＿ｌｉａｎ＠ ｃｑｕｔ．ｅｄｕ．ｃｎ。
  • 基金资助:
    国家自然科学基金项目（６１４０２０６３）

  • Received:2019-01-09 Published:2020-03-18

PDF (PC)

407

赞

摘要： 在研究真空高压断路器运行历史数据的基础上，提出一种基于长短期记忆（ＬＳＴＭ） 循环神经网络的断路器故障时间序列预测方法，采用混沌蚁群（ｃｈａｏｔｉｃａｎｔｓｗａｒｍ，ＣＡＳ）优化算 法训练 ＬＳＴＭ模型，并在 ＴｅｎｓｏｒＦｌｏｗ深度学习框架上搭建模型仿真，与其他常用的优化训练方 法相比，基于 ＣＡＳ优化的 ＬＳＴＭ模型具有更高的预测精度和更短的训练步数，且模型简单容易 训练。该故障预测方法在基于时间序列的设备故障预测方面有较高的应用价值。

关键词: 高压断路器, 故障预测, ＣＡＳ, 时间序列, ＬＳＴＭ, ＴｅｎｓｏｒＦｌｏｗ

中图分类号: 

  • Ｖ３５１