基于CNN-BiLSTM的电缆故障诊断方法研究  

作　　者：邵韵桐 李燕燕[1] 

机构地区：[1]福建电力职业技术学院,福建泉州362000

出　　处：《海峡科学》2024年第12期80-83,共4页Straits Science

摘　　要：针对电缆故障中短路故障诊断的复杂性,提出了一种基于卷积神经网络—双向长短期记忆网络的电缆短路故障诊断方法,并引入小波变换提取故障特征。实验结果表明,该算法的平均准确率、召回率、F1分别达到了95.67%、95.23%、95.45%,准确率、损失率分别为96.3%、3.3%,在电缆故障诊断中具有有效性和可靠性。

关 键 词：电缆故障诊断 CNN BiLSTM 小波变换 

分 类 号：TM75[电气工程—电力系统及自动化] TP183[自动化与计算机技术—控制理论与控制工程]