[發(fā)明專利]一種用于配電網(wǎng)故障類型識(shí)別的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910641524.1
• 申請(qǐng)日: 2019-07-16
• 公開（公告）號(hào): CN112240964B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計(jì)）人: 姚薔;戴義波;張建良
• 申請(qǐng)（專利權(quán)）人: 北京映翰通網(wǎng)絡(luò)技術(shù)股份有限公司
• 主分類號(hào): G01R31/08
• 分類號(hào): G01R31/08;G06F18/241;G06N3/0464
• 代理公司: 北京金智普華知識(shí)產(chǎn)權(quán)代理有限公司 11401
• 代理人: 巴曉艷

1.一種用于配電網(wǎng)故障類型識(shí)別的方法，其特征在于，所述方法包括：

構(gòu)建故障定位器模型，并使用由配電網(wǎng)暫態(tài)錄波裝置獲取的原始故障錄波波形數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練以獲得故障定位器；

構(gòu)建第一故障波形生成器模型和第一故障波形辨別器模型，所述第一故障波形生成器模型用于根據(jù)輸入的故障類型生成對(duì)應(yīng)的人工故障波形，所述第一故障波形辨別器模型用于根據(jù)輸入的故障波形識(shí)別該故障波形是實(shí)際故障波形或第一故障波形生成器生成的人工故障波形；

構(gòu)建第一輔助分類器模型，所述第一輔助分類器的淺層結(jié)構(gòu)設(shè)置成與第一故障波形辨別器一致，該第一輔助分類器根據(jù)輸入的故障波形輸出該故障波形所對(duì)應(yīng)的故障類型；

構(gòu)建故障分類器模型，該故障分類器模型用于根據(jù)輸入的故障波形生成該故障波形所對(duì)應(yīng)的故障類型，該故障分類器模型包括卷積層區(qū)域和全連接層區(qū)域，且故障分類器模型與故障定位器模型在淺層結(jié)構(gòu)上保持一致；

構(gòu)建第二故障波形生成器模型和第二故障波形辨別器模型，所述第二故障波形生成器模型用于通過輸入故障分類器模型中的卷積層區(qū)域輸出的特征向量生成對(duì)應(yīng)的人工故障波形，所述第二故障波形辨別器模型用于根據(jù)輸入的故障波形識(shí)別該故障波形是實(shí)際故障波形或第二故障波形生成器生成的人工故障波形；

利用原始的實(shí)際故障波形-故障類型數(shù)據(jù)組和第一故障波形生成器在訓(xùn)練中所產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組對(duì)第一故障波形辨別器模型進(jìn)行訓(xùn)練獲得第一故障波形辨別器；同時(shí)利用第一故障波形辨別器模型的損失函數(shù)優(yōu)化第一故障波形生成器以獲得第一故障波形生成器；

利用原始的實(shí)際故障波形對(duì)第二故障波形辨別器模型進(jìn)行訓(xùn)練獲得第二故障波形辨別器；同時(shí)利用第二故障波形辨別器模型的損失函數(shù)優(yōu)化第二故障波形生成器以獲得第二故障波形生成器；

利用原始的實(shí)際故障波形-故障類型數(shù)據(jù)組、第一故障波形生成器產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組以及故障分類器模型和第二輔助分類器模型在訓(xùn)練過程中產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組對(duì)第一輔助分類器模型進(jìn)行訓(xùn)練以獲得第一輔助分類器；

利用原始的實(shí)際故障波形-故障類型數(shù)據(jù)組、第一故障波形生成器產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組以及故障分類器模型和第一輔助分類器模型在訓(xùn)練過程中產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組對(duì)第二輔助分類器模型進(jìn)行訓(xùn)練以獲得第二輔助分類器；

利用原始的實(shí)際故障波形-故障類型數(shù)據(jù)組、第一故障波形生成器產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組以及第一輔助分類器模型和第二輔助分類器模型在訓(xùn)練過程中產(chǎn)生的人工故障波形-故障類型數(shù)據(jù)組對(duì)故障分類器模型進(jìn)行訓(xùn)練以獲得故障分類器；

將待分析的實(shí)際發(fā)生的由配電網(wǎng)暫態(tài)錄波裝置獲取的原始故障錄波波形數(shù)據(jù)輸入故障分類器獲得實(shí)際發(fā)生的故障類型。

2.根據(jù)權(quán)利要求1所述的用于配電網(wǎng)故障類型識(shí)別的方法，其特征在于，所述故障定位器模型使用深度卷積神經(jīng)網(wǎng)絡(luò)，其包括卷積層區(qū)域和全連接層區(qū)域，在卷積層區(qū)域包括輸入卷積層、卷積塊、平均池化層。

3.根據(jù)權(quán)利要求1所述的用于配電網(wǎng)故障類型識(shí)別的方法，其特征在于，所述第一故障波形生成器模型包括全連接層區(qū)域和去卷積層區(qū)域，所述全連接層區(qū)域包括兩層全連接層，并在每一層中均引入高斯噪聲，所述去卷積層區(qū)域包括去卷積塊；所述第一故障波形辨別器包括卷積層區(qū)域和全連接層區(qū)域，在卷積層區(qū)域包括卷積塊，在全連接層區(qū)域包括兩層全連接層，并在淺層位置的全連接層輸入故障類型標(biāo)簽；所述第一輔助分類器模型包括卷積層區(qū)域和全連接層區(qū)域，在卷積層區(qū)域包括輸入卷積層和卷積塊，且設(shè)定輸入卷積層與第一個(gè)卷積塊的結(jié)構(gòu)與第一故障波形辨別器的輸入卷積層與第一個(gè)卷積塊的結(jié)構(gòu)保持一致。

4.根據(jù)權(quán)利要求1所述的用于配電網(wǎng)故障類型識(shí)別的方法，其特征在于，所述故障分類器模型包括卷積層區(qū)域和全連接層區(qū)域，在卷積層區(qū)域包括輸入卷積層、卷積塊、平均池化層，其中輸入卷積層以及前兩層卷積塊與故障定位器中的保持一致。