[發明專利]一種配電網錄波多工況精確識別方法

有效

• 申請號: 201711404560.3
• 申請日: 2017-12-22
• 公開（公告）號: CN108154175B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 戴義波;張建良;姚薔
• 申請（專利權）人: 北京映翰通網絡技術股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 巴曉艷

本發明公開了一種配電網錄波多工況精確識別方法，該方法包括：將工況錄波輸入卷積層區域以獲得特征序列；將特征序列輸入區域提取網絡獲得工況區域；將特征序列與工況區域疊加從而獲得根據工況區域截取的多個特征序列區域；將該多個特征序列區域輸入多層分類器得到對應的每個特征序列區域所對應的工況類型。實現工況持續時間及工況類型的同步判定，且上述兩方面結果通過統一模型輸出，從而形成端對端流程，以提高識別判定的準確率。

技術領域

本發明涉及電力技術領域，尤其涉及一種配電網錄波多工況精確識別方法。

背景技術

配電網是電力系統中的重要組成部分，隨著智能電網的快速發展，分布式電源的大量的不確定接入，使得配電網故障信息越發復雜，故障的準確快速分析變得越發困難。為保障配電網高度智能化運行，需要對饋線運行數據進行實時監控、異常情況及時預警及故障快速發現處理，其中對饋線異常工況的識別是智能配電網的重要功能。傳統的配電網工況分類一直采用仿真數據，仿真數據太過理想，處理起來簡單。近幾年，隨著配電網線路監測系統的出現，配電網實際運行中的電流電壓數據被采集，并開始運用傳統的提取特征方法結合一些機器學習方法對工況進行分類。如CN103136587A中公開了一種傳統小波包提取仿真數據特征與支持向量機結合的配電網工況分類方法。CN103245881A中公開了一種基于潮流分布特征的配電網故障分析方法及裝置。CN107340456A中公開了一種基于多特征分析的配電網工況智能識別方法。由此可見現有技術中的工況分類方法至少存在如下兩方面的不足：第一、現有技術的各種故障定位方法仍然是將波形特征提取與工況類型判別分為兩個步驟，即配電網中的終端設備獲取的配電網拓撲中的原始波形，需先采取人工提取特征，再用特征進行工況類型判別，這種判別過程沒有形成直接反饋的非端對端流程，因此工況分類判別的準確率無法持續提高。第二、現有技術的工況波形分類一般只能輸出特定時間點的一種工況類型，然而在實際操作中，用戶的實際需求為獲取一段時間內多種工況，從而獲得該時間段內工況演變的過程。

發明內容

本發明所要解決的技術問題之一是本發明利用區域-卷積神經網絡模型，實現工況持續時間及工況類型的同步判定，且上述兩方面結果通過統一模型輸出，從而形成端對端流程，以提高識別判定的準確率。

本發明的另一個方面在于通過遷移學習的方式加快了區域-卷積神經網絡的訓練過程。

為了解決上述技術問題，本發明提供了一種配電網錄波多工況精確識別方法，該方法包括：將工況錄波輸入卷積層區域以獲得特征序列；將特征序列輸入區域提取網絡獲得工況區域；將特征序列與工況區域疊加從而獲得根據工況區域截取的多個特征序列區域，將該多個特征序列區域輸入多層分類器得到對應的每個特征序列區域所對應的工況類型。

在一個實施例中，所述卷積層區域包含輸入卷積層和卷積塊，所述卷積塊的結構可以為雙層卷積層疊加結構，或者為多通道的且每一通道由雙層卷積層疊加的結構構成，或者為多通道的且每一通道包含1至3層卷積層的結構構成。

在一個實施例中，所述區域提取網絡包括第一卷積層，并有該第一卷積層輸出的雙運算通道，其中一個運算通道經過一個卷積層輸出參考區域尺寸修正參數，另一運算通道經過一個卷積層和softmax輸出成輸出參考區域是否有效的判定信息，即所述工況區域包含參考區域尺寸修正參數和參考區域是否有效的判定信息兩部分信息。

在一個實施例中，所述多層分類器包括平均池化層、第一全連接層和第二全連接層。

在一個實施例中，所述卷積層區域中的卷積塊之間設置有殘量連接，所述殘量連接是指將一個卷積塊的輸入和輸出取和，并將取和結果作為輸入傳遞至下一卷積塊。

根據本發明的另一方面，還提供了一種用于種配電網錄波多工況精確識別方法的區域-卷積神經網絡的機器訓練方法，該方法包括：

1.訓練單數據塊輸入的深度神經網絡模型并獲得最優模型；