СИСТЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОНЛАЙН МОНИТОРИНГА ПОДЗЕМНЫХ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ НА ОСНОВЕ ТЕХНОЛОГИЙ ГЛУБОКОГО ОБУЧЕНИЯ

Авторы

Верзунов С.Н. Институт машиноведения и автоматики Национальной академии наук Кыргызской Республики

Ключевые слова:

кабельная линия, мониторинг, глубокое обученение, CNN, LSTM.

Аннотация

В работе описана система искусственного интеллекта для обнаружения, классификации и локализации неисправностей в трехфазной силовой подземной кабельной линии среднего напряжения с использованием глубоких нейронных сетей на основе CNN и LSTM моделей, использующая специализированное программное обеспечения для получения большого набора данных для обучения глубоких нейронных сетей и изложена процедура подготовки данных, необходимых для обучения.

Библиографические ссылки

Patel B, Bera P. Detection of power swing and fault during power swing using Lissajous figure // IEEE trans power deliv. 2018. N 33(6). P. 3019–3027

K. R. K, Dash PK, A new real-time fast discrete S-transform for cross-differential protection of shunt-compensated power systems // IEEE Trans Power Deliv. 2013. N 28(1). P. 402–410

Mohd Amiruddin AAA, Zabiri H, Taqvi SAA, Tufa LD Neural network applications in fault diagnosis and detection: an overview of implementations in engineering-related systems // Neural Comput Appl. 2020. N 32(2). P. 447–472

Верзунов С.Н. Применение глубоких нейронных сетей для краткосрочного прогноза дальности видимости // Проблемы автоматики и управления. 2019. № 1 (36). С. 118-130.

Zhang F, Liu Q, Liu Y, Tong N, Chen S, Zhang C. Novel fault location method for power systems based on attention mechanism and double structure GRU neural network // IEEE Access. 2020. N 8 P. 75237–75248

Qiao M, Yan S, Tang X, Xu C. Deep convolutional and LSTM recurrent neural networks for rolling bearing fault diagnosis under strong noises and variable loads // IEEE Access. 2020. N 8. P. 66257–66269

Антонио Джулли, Суджит Пал. Библиотека Keras – инструмент глубокого обучения. – М.: ДМК Пресс, 2018. – 294 с.

Swaminathan, R., Mishra, S., Routray, A. et al. A CNN-LSTM-based fault classifier and locator for underground cables // Neural Comput & Applic. 2021. https://doi.org/10.1007/s00521-021-06153-w

https://arxiv.org/abs/1609.03499v2 (дата обращения: 07.06.21)

https://arxiv.org/abs/1412.6980v9 (дата обращения: 07.06.21)