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

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