[發明專利]一種具有連續學習能力的CNN故障選線方法

有效

• 申請號: 202010987884.X
• 申請日: 2020-09-18
• 公開（公告）號: CN112114231B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 韋化;張樂;呂中梁;蘇先昕;祝云;張玄
• 申請（專利權）人: 廣西大學
• 主分類號: G01R31/08
• 分類號: G01R31/08;G06F18/241;G06F18/27;G06N3/0464;G06N3/084
• 代理公司: 廣西匯佳知識產權代理事務所(普通合伙) 45125
• 代理人: 林鵬

本發明涉及電路系統技術領域，具體涉及具有連續學習能力的CNN故障選線方法，包括以下步驟：采集電力調度自動化系統中所有電站故障時段的實時遙測數據，構建多個一維時序矩陣作為原始樣本；對原始樣本進行空值填充和數據歸一化；按照所屬電站的不同，將處理后的樣本數據進行標記；利用第一個電站的一維時序矩陣訓練深度卷積神經網絡分類器，保存卷積神經網絡的權值參數；利用其余電站的一維時序矩陣依次訓練上述卷積神經網絡，并依據權值正交矩陣更新卷積神經網絡的權值參數，直至所有電站數據都參與訓練。本發明利用權值正交矩陣來更新權值，解決傳統深度學習選線模型在小樣本下準確率低，單個電站選線模型不能勝任其他電站選線任務的問題。

技術領域

本發明涉及電力系統技術領域，具體涉及具有連續學習能力的CNN故障選線方法。

背景技術

我國60kV及以下的配電網廣泛采用小電流接地方式，當線路發生單相接地故障時，故障相電壓趨于零，非故障相電壓升高為相電壓的倍，故障電流較負荷電流小得多。此時電網的線電壓仍然保持對稱，不影響負荷供電，因此規程規定允許繼續運行1-2小時，以便檢修人員有充足的時間找出接地點。然而，在實際運行過程中，由于未能及時切除故障線路，可能會使事故升級，直接導致絕緣損壞、TV保險熔斷甚至燒壞、母線短路等事故。因此，迅速確定系統接地點對保證供電可靠性、提升系統安全有著十分重要的意義。

中國專利一種小電流接地系統單相接地故障選線方法(公開號：CN109581137)公開了一種利用深度信念網絡(Deep Belief Networks，DBN)實現小電流接地系統的故障選線。具體內容如下：1)采集實時調度數據作為原始數據。2)數據特征提取和預處理作為模型訓練集。3)利用訓練集數據訓練深度信念網絡分類器實現故障選線，其存在以下技術不足：

1)該方法需要海量的原始數據訓練模型，在小樣本下的選線準確率低；

2)利用單個電站的原始數據訓練得到的模型往往不能滿足其他電站選線精度要求，該方法只適用于單個電站的分類任務，不具備連續學習能力，對于多個電站需訓練多個分類器模型，適用性低。

發明內容

為了克服現在技術的缺陷，本發明改進了原有深度學習選線模型的權值更新規則，利用權值正交矩陣來更新權值，解決了傳統深度學習選線模型在小樣本下準確率低，單個電站選線模型不能勝任其他電站選線任務的問題。

為解決上述問題，本發明提供以下技術方案：

一種具有連續學習能力的CNN故障選線方法，包括以下步驟：

S1：采集電力調度自動化系統中所有電站故障時段的實時遙測數據，構建多個一維時序矩陣作為原始樣本；

S2：對原始樣本進行空值填充和數據歸一化；

S3：按照所屬電站的不同，將處理后的樣本數據進行標記；

S4：利用第一個電站的一維時序矩陣訓練深度卷積神經網絡分類器，保存卷積神經網絡的權值參數；

S5：利用其余電站的一維時序矩陣依次訓練上述卷積神經網絡，并依據權值正交矩陣更新卷積神經網絡的權值參數，直至所有電站數據都參與訓練；

S6：利用訓練后的卷積神經網絡分類器進行故障選線。

優選的，所述步驟S1中采集的遙測數據包括A相電流I_a、C相電流I_c、有功功率P、無功功率Q和功率因數

優選的，所述步驟S2空值的計算方法為：

其中，空值上下時刻的已知值分別為M_s1、M_s2，n_s為空值數據個數，k＝1，2…，n_s。