(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111617851.7 (22)申请日 2021.12.27 (71)申请人 国网山西省电力公司阳泉供电公司 地址 045000 山西省阳泉市城区德胜东 街 333号 申请人 北方工业大 学 (72)发明人 朱晓中　张勇　王瑞刚　赵嘉兴　 杨海飞　万庆祝　闫旭阳　李伊梦　 郑帅　袁润娇　 (74)专利代理 机构 江阴市权益专利代理事务所 (普通合伙) 32443 专利代理师 舒平 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/14(2006.01)G06F 113/16(2020.01) G06F 119/02(2020.01) (54)发明名称 基于小波奇异熵和BP神经网络的电力电缆 故障识别方法 (57)摘要 本发明涉及一种基于小波奇异熵和BP神经 网络的电力电缆故障识别方法， 包括S1、 采集不 同故障电缆的原始故障信号， 建立样本库； S2、 对 S1获得的样本库的数据进行预处理； S3、 构建基 于小波奇异熵的故障特征量提取模 型， 并构建训 练集、 验证集和测试集； S4、 构建基于BP神经网络 的机器学习模型； S5、 用步骤S4构建的训练集对 机器学习模型进行训练； S6、 验证机器学习模型； S7、 测试模型。 本发明能够 精确识别每种种接地、 短路故障， 且在限定范围内不受故障距离、 故障 初相角和过渡电阻影响， 具有高效性和实用性。 权利要求书2页 说明书4页 附图4页 CN 114519294 A 2022.05.20 CN 114519294 A 1.一种基于小波奇异熵和BP神经网络的 电力电缆故障识别方法， 其特征在于： 包括以 下步骤： S1、 采集不同故障电缆的原 始故障信号， 建立样本库； S2、 对S1获得的样本库的数据进行 预处理； S3、 构建基于小 波奇异熵的故障特 征量提取模型， 并构建训练集、 验证集和 测试集； S4、 构建基于BP神经网络的机器学习模型； S5、 用步骤S4构建的训练集对机器学习模型进行训练； S6、 用步骤S4构 建的验证集验证机器学习模型， 当验证训练达到设定准确率后， 固化模 型； S7、 测试模型， 向固化模型输入电缆电压行波信号， 输出相应的分类标签， 最终获得电 缆故障所属的类别。 2.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S1中， 电缆原始故 障信号包括故 障电压、 电流信号、 零序电压信号、 电缆的 识别信息和故障的类别 信息。 3.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S2中， 数据预 处理包括删除S1 中样本库中的无效数据、 重复数据、 处理缺失 值、 异常值。 4.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S3包括以下步骤： S3‑1、 对S2处理后的数据样本库的信号利用小波进行分解与重构， 变成矩阵Dm×n， 第i(i ＝1,2，…m)阶的分量 为Dj(n)； S3‑2、 对S3‑1获得的矩阵Dm×n， 进行奇异值分解可变成式： 其中， U和V分别为m ×m和n×n的正交矩阵,Λ为m ×n的对角矩阵， ui和vi为矩阵U和V的 第i列向量， λi为矩阵D的第i个奇异值； S3‑3、 去小波奇异熵的表达式为： 其中ΔPi为第j阶增量小 波奇异熵， 定义为： S3‑4、 将步骤S3 ‑3获得的数据添加标签进行标记， 所述标签为电缆故障类别， 构造特征 标签。 5.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S4中， BP神经网络是信号检测识别的特征描述子， 包括输入层、 隐藏层、 输 出层。 6.根据权利要求5所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方权　利　要　求　书 1/2 页 2 CN 114519294 A 2法， 其特征在于： S4中， BP神经网络中神经 元模型的权值和输入矩阵分别表达如下： W＝[ω1,ω2,...， ωn0] X＝[x1,x2,...， xn0]。 7.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S5中， 在MATLAB内的神经网络工具箱的作用下实现BP神经网络的训练， 完 成故障类型； 故障类型识别包括故障初步、 两相短路故障、 接地故障三大分类模块； 选用的 故障初步分类模块输入量也就是对故障信号通过小波变换之后所得到的零序电压的地频 段能量， 用01、 10、 11各自表 示接地故障、 两相及三相短路故障； 使用完成预 处理的三相电压 小波奇异熵值Ma、 Mb、 Mc表示两相短路及其接地故障分类模块的输入量。 输入量的表达式 为： 8.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S6中， 按照Ma、 Mb、 Mc的仿真值假设出阈值A， 若每个数值均不小于A， 运行故 障分类程序且将相应的数据置入到已调好的神经网络中。 9.根据权利要求1所述的一种基于小波奇异熵和BP神经网络的电力电缆故障识别方 法， 其特征在于： S7中， BP神经网络模型输出向量表达式为： 其中， ωi为相对应神经 元的加权值， xi为第i个神经 元的输入信号， θ 为阈值。权　利　要　求　书 2/2 页 3 CN 114519294 A 3