[發(fā)明專利]基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡的電力系統(tǒng)智能故障檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811209429.6
• 申請日: 2018-10-17
• 公開（公告）號: CN109614981B
• 公開（公告）日: 2023-06-30
• 發(fā)明（設計）人: 楊東升;龐永恒;張化光;楊珺;劉學芳;周博文;羅艷紅;秦佳;王智良;劉振偉
• 申請（專利權）人: 東北大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/40;G06N3/0464;G06F30/20
• 代理公司: 沈陽東大知識產(chǎn)權代理有限公司 21109
• 代理人: 李運萍

本發(fā)明提供一種基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡電力系統(tǒng)智能故障檢測方法及系統(tǒng)，在區(qū)域網(wǎng)絡節(jié)點處設置相量測量單元，對數(shù)據(jù)進行測量；將采集的數(shù)據(jù)進行斯皮爾曼相關性分析，基于分析結果提出圖像生成方法；建立等效故障網(wǎng)絡，驗證故障特征與斯皮爾曼等級相關性的關系，論證方法的可行性；將生成的圖像作為初始卷積層，建立基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡架構；根據(jù)建立的架構，基于PSCAD/EMTDC，驗證方法的合理性與優(yōu)越性。綜合使用多種電量數(shù)據(jù)進行故障診斷，通過卷積神經(jīng)網(wǎng)絡可快速、準確的辨識出電力系統(tǒng)中故障所在位置，解決了加入分布式電源等導致電力系統(tǒng)具有波動性以及傳統(tǒng)檢測方法的不準確性，使電力系統(tǒng)的魯棒性更高、自適應性更強。

技術領域

本發(fā)明關于電力系統(tǒng)故障檢測技術領域，特別是一種基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡電力系統(tǒng)故障檢測方法及系統(tǒng)。

背景技術

電網(wǎng)的發(fā)展和社會的進步對電網(wǎng)的運行提出了越來越高的要求，加強對電網(wǎng)故障的檢測處理顯得尤為重要。故障檢測一直是電力系統(tǒng)中的一項重要且不可忽視的任務，它能提高電力系統(tǒng)的可靠性，減少因故障造成的損失，其中配電網(wǎng)的故障和異常處理是配電網(wǎng)運行的首要工作，保證配電網(wǎng)運行經(jīng)濟性是配電網(wǎng)運行的重要工作。現(xiàn)今電力系統(tǒng)的拓撲結構和耦合干擾日益復雜，電力系統(tǒng)的故障檢測變得愈加困難，適用于單一故障類型或簡單系統(tǒng)的傳統(tǒng)方法很難達到滿意的效果，而卷積神經(jīng)網(wǎng)絡等深度學習的方法在特征提取、圖像識別中顯示出較大的潛力，對于電力系統(tǒng)故障的檢測與辯識，有著重要的研究價值與實際意義。

卷積神經(jīng)網(wǎng)絡應用在電力系統(tǒng)故障檢測方面，主要是是對電力系統(tǒng)的故障進行分類處理，然后用卷積神經(jīng)網(wǎng)絡做模式識別，由輸出的概率向量快速判斷故障位置和類型。卷積神經(jīng)網(wǎng)絡是人工神經(jīng)網(wǎng)絡的一種，已成為當前圖像識別領域的研究熱點。它的權值共享網(wǎng)絡結構使之更類似于生物神經(jīng)網(wǎng)絡，降低了網(wǎng)絡模型的復雜度，減少了權值數(shù)量，同時圖像可以直接作為網(wǎng)絡的輸入，對圖像的平移、比例縮放等變形具有高度不變性。

發(fā)明內(nèi)容

本發(fā)明針對電力系統(tǒng)故障檢測存在的問題，提出了一種基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡的電力系統(tǒng)智能故障檢測方法及系統(tǒng)：

一種基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡的電力系統(tǒng)智能故障檢測系統(tǒng)，包括：

相量測量單元，對電力系統(tǒng)的不同電量數(shù)據(jù)的測量，并將所測數(shù)據(jù)傳輸至斯皮爾曼等級相關性分析裝置；

斯皮爾曼等級相關性分析裝置，對采集的數(shù)據(jù)進行斯皮爾曼相關性分析，并將分析結果傳輸至基于斯皮爾曼等級相關的圖像建立裝置；

基于斯皮爾曼等級相關的圖像建立裝置，基于斯皮爾曼等級相關性分析裝置的分析結果，構建電力系統(tǒng)故障圖像，并將所得圖像傳輸至卷積神經(jīng)網(wǎng)絡特征值提取裝置與基本數(shù)據(jù)圖像建立裝置；

卷積神經(jīng)網(wǎng)絡特征值提取裝置，對所得圖像提取特征信息，并將所提取的特征信息傳輸至卷積神經(jīng)網(wǎng)絡Softmax輸出裝置；

卷積神經(jīng)網(wǎng)絡Softmax輸出裝置，即分類器，將故障圖像分類；

PSCAD/EMTDAC仿真裝置，對不同情況下的實驗結果進行驗證；

基本數(shù)據(jù)圖像建立裝置，用于將圖像建立結果與添加SR圖像層的圖像對比；

等效故障網(wǎng)絡裝置，分析斯皮爾曼等級相關性與電力系統(tǒng)故障特征間的定性關系。

采用所述的一種基于斯皮爾曼等級相關的卷積神經(jīng)網(wǎng)絡電力系統(tǒng)智能故障檢測系統(tǒng)進行電力系統(tǒng)故障檢測的方法，包括以下步驟：

步驟1：在區(qū)域網(wǎng)絡節(jié)點處使用相量測量單元對節(jié)點電壓，支路電流，功率角，有功和無功功率進行測量，獲得大量數(shù)據(jù)用于故障檢測；

步驟2：將采集的數(shù)據(jù)進行斯皮爾曼相關性分析，基于分析結果提出一種圖像生成方法-斯皮爾曼等級相關圖像層，將測量的基于時間序列的數(shù)據(jù)轉(zhuǎn)換為故障二維圖像；