基于改进Elman神经网络的电缆早期故障分类识别方法

针对电缆早期故障难以检测及现有技术识别精度低的问题,提出基于改进Elman神经网络的电缆早期故障分类与识别的方法。首先采用小波变换提取过电流信号的特征向量,将其作为Elman神经网络的输入向量,构建故障分类识别模型。为防止训练过程中出现过拟合与训练时间过长问题,利用Dropout技术对Elman神经网络进行改进。最后通过PSCAD/EMTDC搭建仿真模型进行验证,结果表明所提方法能有效识别电缆早期故障,且具有较高的准确率,与BP神经网络相比,性能提升显著。