敏感设备电压暂降故障样本增广与概率评估最大熵建模

TM711; 敏感设备电压暂降故障概率评估面临样本小和先验知识不足两大难题.本文基于自编码技术和最大熵原理,提出一种适用于小样本的设备故障概率评估随机建模方法.首先,考虑敏感设备主要对暂降幅值和持续时间特征敏感,电压耐受曲线(VTC)存在不确定性的实际情况,利用自适应Kmeans聚类算法对样本暂降幅值、持续时间聚类,在稀疏自编码器(SAE)损失函数中添加VTC不确定约束进行样本特征学习,提出基于SAE-自适应Kmeans的故障样本增广方法.其次,针对先验知识不足问题,提出基于增广样本的设备故障概率评估最大熵建模方法.最后,以个人计算机为例,在VTC概率密度函数服从均匀、正态和不同指数分布且样本...

Full description

Saved in:
Bibliographic Details
Published in工程科学与技术 Vol. 56; no. 2; pp. 68 - 79
Main Authors 郑玫, 肖先勇, 陈韵竹, 郑子萱, 汪颖
Format Journal Article
LanguageChinese
Published 四川大学 电气工程学院,四川 成都 610065 01.03.2024
Subjects
敏感设备
小样本
fault probability
故障概率
最大熵建模
sparse autoencoder
maximum entropy modeling
稀疏自编码
sensitive equipment
small sample
电压暂降
voltage sag
Online AccessGet full text
ISSN2096-3246
DOI10.15961/j.jsuese.202300976

Cover

More Information
Summary:TM711; 敏感设备电压暂降故障概率评估面临样本小和先验知识不足两大难题.本文基于自编码技术和最大熵原理,提出一种适用于小样本的设备故障概率评估随机建模方法.首先,考虑敏感设备主要对暂降幅值和持续时间特征敏感,电压耐受曲线(VTC)存在不确定性的实际情况,利用自适应Kmeans聚类算法对样本暂降幅值、持续时间聚类,在稀疏自编码器(SAE)损失函数中添加VTC不确定约束进行样本特征学习,提出基于SAE-自适应Kmeans的故障样本增广方法.其次,针对先验知识不足问题,提出基于增广样本的设备故障概率评估最大熵建模方法.最后,以个人计算机为例,在VTC概率密度函数服从均匀、正态和不同指数分布且样本数仅为5的情况下进行验证,与传统最大熵法、未引入自适应Kmeans聚类进行VTC不确定区域约束的SAE样本增广进行比较,同时与先验知识不足情况下基于主观假设的评估方法进行比较.结果表明,所提方法适用于小样本和不同分布,评估结果误差低于传统最大熵法与基于主观假设的方法,验证了稀疏自编码样本增广和最大熵建模方法对于小样本设备故障概率评估的有效性、合理性和可行性.
ISSN:2096-3246
DOI:10.15961/j.jsuese.202300976