[發(fā)明專利]基于半監(jiān)督學(xué)習(xí)和注意力機(jī)制的配電網(wǎng)高阻接地故障診斷方法

有效

• 申請?zhí)枺?/td>: 202010894524.5
• 申請日: 2020-08-31
• 公開（公告）號: CN112016473B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計）人: 高博;李帷韜;鄧雅麗;丁津津;吳剛;汪玉;李奇越;汪勛婷;孫偉;彭思遙;孫輝;張峰;何開元;陳洪波
• 申請（專利權(quán)）人: 國網(wǎng)安徽省電力有限公司電力科學(xué)研究院;合肥工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06V10/774;G06V10/80;G06V10/82;G06N3/04
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 陸麗莉;何梅生

本發(fā)明公開了一種基于半監(jiān)督學(xué)習(xí)和注意力機(jī)制的配電網(wǎng)高阻接地故障診斷方法，包括：1、將故障相電壓時間序列數(shù)據(jù)集合分類成有標(biāo)記樣本集合和無標(biāo)記樣本集合；2、根據(jù)計算無標(biāo)記樣本和有標(biāo)記樣本集合的相似度更新兩類樣本集；3、利用有標(biāo)記樣本集合訓(xùn)練1NN分類器，并利用1NN分類器對無標(biāo)記樣本集合進(jìn)行預(yù)測標(biāo)注；4、構(gòu)建基于注意力機(jī)制的LSTM?CNN神經(jīng)網(wǎng)絡(luò)；5、利用注意力機(jī)制網(wǎng)絡(luò)融合LSTM和CNN的特征向量；6、通過梯度下降反向傳播算法更新LSTM?CNN的神經(jīng)網(wǎng)絡(luò)參數(shù)。本發(fā)明使得故障檢測模型具有時間、空間的特征表達(dá)能力，從而能提高配電網(wǎng)高阻接地的故障檢測率。

技術(shù)領(lǐng)域

本發(fā)明涉及配電網(wǎng)繼電保護(hù)領(lǐng)域，高阻接地故障診斷技術(shù)，深度學(xué)習(xí)技術(shù)，具體涉及一種基于半監(jiān)督學(xué)習(xí)和注意力機(jī)制的高阻接地故障診斷方法。

背景技術(shù)

配電網(wǎng)靠近用戶，運行環(huán)境復(fù)雜，運行時易與樹枝、建筑或地面接觸，產(chǎn)生高阻故障。對于此類故障，因接地電阻大，引起的電氣量變化不明顯，常規(guī)保護(hù)難以可靠動作。多數(shù)高阻故障不會對配電網(wǎng)產(chǎn)生嚴(yán)重影響，但故障若長期存在，不僅系統(tǒng)會因故障產(chǎn)生的過電壓而出現(xiàn)新的接地點，導(dǎo)致事故進(jìn)一步擴(kuò)大，甚至還會因故障發(fā)生時伴有的電弧引起火災(zāi)，威脅人身、財產(chǎn)安全。高阻故障識別是配電網(wǎng)繼電保護(hù)領(lǐng)域極具挑戰(zhàn)性的難點問題之一。

電網(wǎng)智能化調(diào)度與控制教育部重點實驗室(山東大學(xué))韋明杰等人研究了基于零序電流波形區(qū)間斜率曲線的配電網(wǎng)高阻接地故障檢測方法(電力系統(tǒng)自動化,2020,44(14):164-175.)，基于對10kV電網(wǎng)現(xiàn)場實測高阻故障波形的分析，采用最小二乘線性擬合描述波形非線性畸變,同時采用格拉布斯(Grubbs)法抑制不規(guī)則波形畸變對區(qū)間斜率曲線的干擾，進(jìn)一步保證了算法對故障特征的正確提取。但該方法針對復(fù)雜的運行環(huán)境和多樣的故障特征很難確定合理的整定閾值，不具有通用的判定規(guī)則，靈敏性較差。

國網(wǎng)遼寧省電力有限公司盤錦供電公司翁月瑩、陳翔宇等人研究了基于PSO和貝葉斯分類器的配電網(wǎng)高阻接地故障識別方法(電測與儀表,2020,57(02):52-56.)，該方法首先采用離散小波變換構(gòu)造配電網(wǎng)電壓和電流的時頻矩陣，提取出反映高阻接地故障的特征量。該方法優(yōu)化了電量數(shù)據(jù)的特征空間，提高了分類準(zhǔn)確性和計算時效性。但由于母小波函數(shù)的選擇將直接影響小波變換提取特征信息的質(zhì)量。一般針對特定配網(wǎng)拓?fù)浜蛥?shù)，需要通過反復(fù)試錯選擇固定的母小波，該方法只能達(dá)到局部最優(yōu)效果。

福州大學(xué)的蘇文聰、朱星宇等人發(fā)明了一種基于小波變換和神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)高阻接地故障檢測方法(公開號：CN109613402A)。該方法運用演化的神經(jīng)網(wǎng)絡(luò)對傳統(tǒng)的檢測方法進(jìn)行改進(jìn)。演化的神經(jīng)網(wǎng)絡(luò)是一種基于動態(tài)連接結(jié)構(gòu)的智能系統(tǒng)，能夠通過增量學(xué)習(xí)調(diào)整其拓?fù)浣Y(jié)構(gòu)以融入新信息。該方法利用離散小波變換處理故障信號，將故障信號輸入演化的神經(jīng)網(wǎng)絡(luò)中,以此檢測配電網(wǎng)的高阻接地故障。但配電網(wǎng)高阻故障檢測中未標(biāo)記樣本量大且較易獲得，標(biāo)記樣本量少且難于獲得，未標(biāo)記數(shù)據(jù)遠(yuǎn)多于標(biāo)記數(shù)。該方法沒有采用未標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練，不能真正代表真實數(shù)據(jù)的分布特征，分類器不能正確找到真實數(shù)據(jù)的分類邊界，該方法不能充分利用樣本集，故障診斷未達(dá)到最佳效果。

發(fā)明內(nèi)容

本發(fā)明是為避免上述現(xiàn)有技術(shù)所存在的不足之處，提供一種基于半監(jiān)督學(xué)習(xí)和注意力機(jī)制的配電網(wǎng)高阻接地故障診斷方法，以期在面對海量高阻故障數(shù)據(jù)時，通過半監(jiān)督學(xué)習(xí)機(jī)制充分獲取故障樣本信息，利用注意力機(jī)制網(wǎng)絡(luò)融合樣本集時空及頻域上的特征，從而提高配電網(wǎng)高阻接地的故障檢測率，滿足快速化準(zhǔn)確化的實際需求。

本發(fā)明為解決技術(shù)問題采用如下技術(shù)方案：

本發(fā)明一種基于半監(jiān)督學(xué)習(xí)和注意力機(jī)制的配電網(wǎng)高阻接地故障診斷方法的特點是按如下步驟進(jìn)行：