[發明專利]稀疏自動編碼器優化神經網路的輸電線路故障識別方法

在審

• 申請號: 201910275906.7
• 申請日: 2019-04-08
• 公開（公告）號: CN109901020A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 林順富;于俊蘇;徐美金;顧春艷;高健飛;暢國剛;呂喬榕;許亮峰
• 申請（專利權）人: 珠海妙微科技有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 北京東方匯眾知識產權代理事務所(普通合伙) 11296
• 代理人: 張淑賢;王慶彬

本發明實施例公開一種稀疏自動編碼器優化神經網路的輸電線路故障識別方法，包括：S1數據采集，采集輸電線路發生故障之后，輸電線路上產生的故障電流行波；S2提取故障波形特征量：對所述步驟S1中采集到的輸電線路故障電流行波數據提取特征量；S3稀疏自動編碼器采用隨機梯度下降算法進行訓練，獲取所述步驟S2中的特征量中內在特征信息的稀疏性表達，保存訓練結束后稀疏自動編碼器權重W和偏置b；S4將所述步驟S3中稀疏自動編碼器權重W和偏置b初始化神經網絡的輸入層和隱含層，采用正向和反向迭代算法，訓練神經網絡；S5在訓練樣本數量不同的條件下，運用優化后的神經網絡和BP神經網絡進行輸電線路故障類型識別。

技術領域

本發明涉及輸配電領域，尤其涉及一種稀疏自動編碼器優化神經網路的輸電線路故障識別方法。

背景技術

電力系統輸電線路距離長、地域分布范圍廣，所處環境復雜，經常受到雷電、動植物、冰雪天氣等因素影響，造成輸電線路故障跳閘。輸電線路故障類型可分為雷擊故障和非雷擊故障，不同故障的防護措施不同，因此，準確辨識輸電線路故障類型，顯得尤為重要。

輸電線路故障類型識別主要分為故障特征量提取和故障類型辨識兩個方面。輸電線路故障特征量主要從電流的時域、頻域信號中提取，對于輸電線路故障發生時產生的非平穩暫態信號，常用的特征提取方法有故障分量、經驗模態分解、Fourier變換、小波變換、Hilbert-Huang變換等。輸電線路故障識別算法主要有人工神經網絡、支持向量機、極端學習機、聚類等。神經網絡具有較強的學習、泛化能力，因而泛應用于各種分類器，然而支撐該方法的前提是提取到合適的特征參數和需要大量的數據樣本來實現網絡訓練，但實際中輸電線路故障電流行波的標簽數據較少且獲取過程繁瑣，造成數據樣本有限，應用神經網絡時易導致識別能力偏低。

發明內容

本發明實施例提供一種稀疏自動編碼器優化神經網絡的輸電線路故障識別方法，能夠提高輸電線路故障類型識別精度。

本發明實施例采用如下技術方案：

一種稀疏自動編碼器優化神經網路的輸電線路故障識別方法，包括：

S1數據采集，采集輸電線路發生故障之后，輸電線路上產生的故障電流行波；

S2提取故障波形特征量：對所述步驟S1中采集到的輸電線路故障電流行波數據提取特征量，包括波長時間；閃絡前極性；基波含量；高低頻段能量比四種特征量；

S3稀疏自動編碼器采用隨機梯度下降算法進行訓練，獲取所述步驟S2中的四種特征量中內在特征信息的稀疏性表達，保存訓練結束后稀疏自動編碼器權重W和偏置b；

S4將所述步驟S3中稀疏自動編碼器權重W和偏置b初始化神經網絡的輸入層和隱含層，利用預存已知輸電線路故障類型的電流行波作為訓練樣本，采用正向和反向迭代算法，訓練神經網絡；

S5在訓練樣本數量不同的條件下，運用優化后的神經網絡和BP神經網絡進行輸電線路故障類型識別。

所述步驟S1中，采集輸電線路故障電流行波為故障發生前后0.5ms的電流行波波形。

所述步驟S2中，故障波形特征量提取的具體流程為：

S21分析輸電線路雷擊故障電流行波的波過程及波形時域特性，選擇了具有代表性的閃絡前極性和波長時間兩個波形特性；

S22針對輸電線路不同故障電流行波的頻域特性，通過離散傅里葉分析：

其中，n＝0,1,2,…N為采樣點數，得到基波分量與直流分量的比值，作為輸電線路故障電流波形特征；

S23針對輸電線路不同故障的電流暫態信號差異較大，利用小波分析獲得暫態信號在各個尺度上的信息，采用db4小波對故障后5ms的電流行波進行8尺度分解，定義第j個尺度下的信號小波能量: