[發明專利]一種基于深度學習的接地網腐蝕預測方法

在審

• 申請號: 202010330265.3
• 申請日: 2020-04-24
• 公開（公告）號: CN111610406A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 李文彬;王勇;馮硯廳;徐雪霞;王慶;敬尚前;陳二松
• 申請（專利權）人: 國網河北省電力有限公司電力科學研究院;國家電網有限公司;國網河北能源技術服務有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08;G01N17/00;G06N3/04;G06N3/08
• 代理公司: 石家莊新世紀專利商標事務所有限公司 13100
• 代理人: 張曉佩

本發明涉及一種基于深度學習的接地網腐蝕預測方法，包括以下步驟：土壤樣本點獲取；接地網腐蝕樣本點的獲取；深度學習網絡的構建；構建土壤樣本的深度學習模型；構建接地網腐蝕的深度學習模型；模型驗證；基于深度學習模型通過當地氣象站的氣象數據對變電站實際運行接地網腐蝕情況進行實時估計。本發明可直接通過當地氣象站的氣象數據對變電站實際運行接地網腐蝕情況進行實時估計。

技術領域

本發明涉及電力系統領域，具體涉及一種基于深度學習的接地網腐蝕預測方法。

背景技術

變電站接地網在整個電力系統中起著極為關鍵作用，其設計是一項具有挑戰性的任務。在不超過變電站設備的正常運行極限條件下能夠將大電流及時地分散在地下，同時確保變電站工作區域內相關工作人員及周邊人員的人身安全。當前，隨著電力系統的工作容量增加以及電壓等級的逐漸提升，不可避免地發生故障電流的概率也隨之增加；如果這些故障電流沒有及時消除，將會帶來很大的安全隱患。我國幅員遼闊，各種溫濕度、各種土壤條件均存在。由此帶來的問題就是不同區域之間的接地網腐蝕情況數據無法簡單的套用。

中國專利CN104777402A一種接地網腐蝕專題診斷及預防方法，提出了對接地網水質信息、相對濕度信息和接地網材質并進行數據處理，但未提出明確的數據處理方法。中國專利CN 10571925A變電站Q235鍍鋅鋼接地網的腐蝕率預測方法，采用神經網絡對接地網的腐蝕率進行預測。

傳統的預測方法所考慮的溫度、濕度等參數多為某一瞬間的樣本點，而土壤的各個參數每天都在發生變化。因此有必要采用更智能的模型對接地網的腐蝕進行預測。

發明內容

本發明的目的在于提供一種智能的模型對接地網的腐蝕進行預測的基于深度學習的接地網腐蝕預測方法。

本發明的技術方案：

一種基于深度學習的接地網腐蝕預測方法，包括以下步驟：土壤樣本點獲取；接地網腐蝕樣本點的獲取；深度學習網絡的構建；構建土壤樣本的深度學習模型；構建接地網腐蝕的深度學習模型；模型驗證；基于深度學習模型通過當地氣象站的氣象數據對變電站實際運行接地網腐蝕情況進行實時估計。

進一步的，所述土壤樣本獲取：在實驗場所進行土壤樣本獲取，以天為單位根據當地的天氣預報記錄實驗場地的溫度、濕度、大氣壓和降水量，在此基礎上觀測土壤的溫度、濕度、電阻率和pH值，獲得土壤樣本點。

進一步的，接地網腐蝕樣本點的獲取：采用加速腐蝕實驗進行腐蝕樣本點的獲取；選擇鋼板，平均分成若干等份；分別埋入土壤中，若干等份土壤濕度設定值均不同；將埋好的鋼板分別放入可控溫度箱中，設置不同的溫度和處理時間；觀測不同試驗條件下的接地網腐蝕程度，獲得接地網腐蝕樣本點。

進一步的，所述若干等份土壤濕度設定為10%、20%、30%、40%、60%或80%。

進一步的，所述溫度箱的溫度設定為-20℃、-10℃、0℃、10℃、20℃、30℃、40℃、50℃或60℃；所述溫度箱的處理時間設定為1440h、2880h、5760h、8760h。

進一步的，所述鋼板為Q235鋼板，每份鋼板長200mm、寬150mm、厚5mm。

進一步的，所述深度學習網絡的構建：構建一個五層的深度學習網絡，第一層采用稀疏自動編碼器，第二、三層采用通用自動編碼器，第四層采用降噪自動編碼器，第五層采用支持向量機。

進一步的，構建土壤樣本的深度學習模型：以實驗場地的溫度、濕度、大氣壓和降水量為輸入數據，被測土壤的溫度、濕度、電阻率和pH值為輸出數據，采用無監督訓練的方法，進行深度學習。

進一步的，構建接地網腐蝕的深度學習模型：以加速腐蝕實驗中土壤的溫度、濕度、電阻率和pH值為輸入數據，接地網的腐蝕程度為輸出數據，采用無監督訓練的方法，進行深度學習。