一种小样本量下的高压断路器故障诊断方法.pdfVIP

信息技术ＸＩＮＸＩＪＩＳＨＵ２０２５年第４期

一种小样本量下的高压断路器故障诊断方法

龚石磊ꎬ张汉雄ꎬ蒋易雄ꎬ宗浩杰ꎬ付欣

(国网江西省电力有限公司九江供电公司ꎬ江西九江３３２０００)

摘要:当数据样本量不足时ꎬ传统高压断路器故障诊断方法难以满足诊断性能的需求ꎬ为此ꎬ提出

一种基于注意力机制和卷积胶囊神经网络的诊断方法ꎮ首先ꎬ设计了具有宽卷积核的一维卷积神经

网络ꎬ在池化层中加入注意力机制ꎬ改变振动信号片段的权重分配ꎻ然后ꎬ在卷积层和全连接层之间引

入胶囊层表示特征向量化ꎬ保证了故障特征提取的完整性ꎻ最后ꎬ通过动态路由进行特征传递ꎬ得到故

障诊断结果ꎮ实验表明ꎬ文中所提方法能够提高传统网络的性能ꎬ在样本数量较少时诊断准确率可达

９４.７％ꎮ

关键词:故障诊断ꎻ高压断路器ꎻ胶囊层ꎻ卷积神经网络ꎻ注意力机制

中图分类号:ＴＭ５６１ꎻＴＰ１８３文献标识码:Ａ文章编号:１００９－２５５２(２０２５)０４－００６６－０７

ＤＯＩ:１０.１３２７４/ｊ.ｃｎｋｉ.ｈｄｚｊ.２０２５.０４.０１１

Ａｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｆｏｒｈｉｇｈ￣ｖｏｌｔａｇｅｃｉｒｃｕｉｔｂｒｅａｋｅｒｓｕｎｄｅｒｓｍａｌｌｓａｍｐｌｅｖｏｌｕｍｅ

ＧＯＮＧＳｈｉ￣ｌｅｉꎬＺＨＡＮＧＨａｎ￣ｘｉｏｎｇꎬＪＩＡＮＧＹｉ￣ｘｉｏｎｇꎬＺＯＮＧＨａｏ￣ｊｉｅꎬＦＵＸｉｎ

(ＪｉｕｊｉａｎｇＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙꎬＳｔａｔｅＧｒｉｄＪｉａｎｇｘｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏ.ꎬＬｔｄ.ꎬＪｉｕｊｉａｎｇ３３２０００ꎬＪｉａｎｇｘｉ

ＰｒｏｖｉｎｃｅꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｗｈｅｎｔｈｅｓａｍｐｌｅｓｉｚｅｉｓｉｎｓｕｆｆｉｃｉｅｎｔꎬｔｒａｄｉｔｉｏｎａｌｈｉｇｈ￣ｖｏｌｔａｇｅｃｉｒｃｕｉｔｂｒｅａｋｅｒｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈ￣

ｏｄｓａｒｅｈａｒｄｔｏｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｄｉａｇｎｏｓｔｉｃｐｅｒｆｏｒｍａｎｃｅ.Ｉｎｒｅｓｐｏｎｓｅｔｏｔｈｉｓꎬａｄｉａｇｎｏｓｔｉｃｍｅｔｈｏｄ

ｂａｓｅｄｏｎａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｓａｎｄｃｏｎｖｏｌｕｔｉｏｎａｌｃａｐｓｕｌｅｎｅｕｒａｌｎｅｔｗｏｒｋｓｉｓｐｅｒｏｐｏｓｅｄ.Ｆｉｒｓｔｌｙꎬａｏｎｅ￣ｄｉ￣

ｍｅｎｓｉｏｎａｌｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｗｉｄｅｃｏｎｖｏｌｕｔｉｏｎａｌｋｅｒｎｅｌｓｉｓｄｅｓｉｇｎｅｄ.Ｉｎｔｈｅｐｏｏｌｉｎｇｌａｙｅｒꎬ

ａｎａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｉｓｉｎｔｒｏｄｕｃｅｄｔｏａｌｔｅｒｔｈｅｗｅｉｇｈｔｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｅｇｍｅｎｔｓ.Ｔｈｅｎꎬ

ａｃａｐｓｕｌｅｌａｙｅｒｉｓｉｎｔｒｏｄｕｃｅｄｂｅｔｗｅｅｎｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｌａｙｅｒａｎｄｔｈｅｆｕｌｌｙｃｏｎｎｅｃｔｅｄｌａｙｅｒｔｏｒｅｐｒｅｓｅｎｔｖｅｃ￣

ｔｏｒｉｚｅｄｆｅａｔｕｒｅｓꎬｅｎｓｕｒｉｎｇｔｈｅｉｎｔｅｇｒｉｔｙｏｆｆａｕｌｔｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ.Ｆｉｎａｌｌｙꎬｆｅａｔｕｒｅｓａｒｅｐａｓｓｅｄｔｈｒｏｕｇｈｄｙ￣

ｎａｍｉｃｒｏｕｔｉｎｇｔｏｏｂｔａｉｎｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｒｅｓｕｌｔ.Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ

ｃａｎｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｄｉｔｉｏｎａｌｎｅｔｗｏｒｋｓꎬａｃｈｉｅｖｉｎｇａｄｉａｇｎｏｓｔｉｃａｃｃｕｒａｃｙｏｆｕｐｔｏ９４.７％ｗｈｅｎ

ｔｈｅｓａｍｐｌｅｓｉｚｅｉｓｓｍａｌｌ.

Ｋｅｙｗｏｒｄｓ:ｆａｕｌｔｄｉａｇｎｏｓｉｓꎻｈｉｇｈｖｏｌｔａｇｅｃｉｒｃｕｉｔｂｒｅａｋｅｒꎻｃａｐｓｕｌｅｌａｙｅｒꎻｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋꎻａｔ￣

ｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ

０引言