[發明專利]基于AlexNet的故障電弧保護方法

在審

• 申請號: 202011260790.9
• 申請日: 2020-11-12
• 公開（公告）號: CN112364565A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 王堯;班云升;侯林明;謝振華;劉婉婷;李奎
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京兆君聯合知識產權代理事務所(普通合伙) 11333
• 代理人: 鄭學成

1.基于AlexNet的故障電弧保護方法，其特征在于，該方法包括如下步驟：

步驟一，生成故障電弧數據集，其過程如下：

(1)數據清洗

故障電弧試驗存在多樣性，試驗數據采集于多個試驗室、多個時間點，這些客觀原因有可能導致造成電弧試驗數據出現異常點，為了消除同類數據的不一致性，提高數據質量，在訓練前必須通過人為干預對試驗數據進行“清洗”，刪除數據中的異常數據點。需要清洗的數據類型主要包括因采樣裝置設置不力導致的采樣為零的數據或者是其他明顯與電弧電流信號無關數據；

(2)數據分割

為了增加訓練樣本數量，提升故障電弧診斷模型的泛化能力，以滑動窗口采樣的方式對數據進行分割，同時為了保證樣本的一致性，規定所有樣本為固定采樣點數的.csv文件，以每4個工頻周期電流數據為一個樣本，滑動偏移量為1個工頻周期，試驗采樣率為100Ks/s，每一個樣本中共包括8000個采樣點；

(3)數據標注

經過數據清洗、數據分割過程后，單一負載故障電弧數據和正常狀態數據各有5000組；在模型訓練之前，將數據集按一定比例劃分為測試集、訓練集與驗證集；

所有的正常狀態數據存放在標注為“正常”的文件夾中，故障電弧狀態數據存放在標注為“故障”的文件夾中，此時數據均為.csv格式；將所有的.csv格式數據轉化為227×227×3的圖像格式，227×227表示圖像像素，3表示RGB三通道圖像輸入；

步驟二，建立故障電弧診斷模型結構與訓練參數，其過程如下：

故障電弧診斷模型是基于經典AlexNet模型優化后來建立的，基于AlexNet優化后的故障電弧診斷模型是由6個卷積層、3個池化層和3個全連接層組成，模型的輸入為故障電弧數據集，輸出為線路狀態；

所述訓練過程使用的參數配置如下：激活函數選用ReLU函數，使用dropout正則化，dropout率設置為0.5；優化算法為SGD算法，初始學習率為0.01，若驗證集的準確率隨著迭代次數的增加不再變化，學習率降為之前數值的十分之一；損失函數為適用于二分類問題的交叉熵損失函數；

步驟三，對故障電弧進行診斷，基于AlexNet的故障電弧診斷模型診斷流程如下：

(1)將采集到的電流信號進行數據預處理，得到故障電弧數據集。將數據按照一定比例分為三組，分別作為訓練集、驗證集和測試集；

(2)網絡參數初始化，網絡模型隨機從訓練集中提取一個樣本，從前向后依次計算得到輸出，通過反向傳播誤差，調整網絡參數并更新網絡模型。然后輸入下一個樣本，直至誤差達到最小，則輸出故障電弧診斷模型；

(3)將測試集輸入故障電弧診斷網絡模型得到識別準確率，即可以對模型識別結果進行評估。

2.根據權利要求1所述的基于AlexNet的故障電弧保護方法，其特征在于，所述經典AlexNet模型包括5個卷積層及3個全連接層。

3.根據權利要求2所述的基于AlexNet的故障電弧保護方法，其特征在于，所述經典AlexNet模型的第一個卷積層用96個11×11大小的卷積核來提取像素大小為227×227的圖像特征；第二個卷積層包含256個大小為5×5的卷積核；第三個和第四個卷積層分別包括384個3×3大小的內核，第五個卷積層具有256個3×3大小的內核。

4.根據權利要求1所述的基于AlexNet的故障電弧保護方法，其特征在于，基于AlexNet優化后的故障電弧診斷模型將經典AlexNet模型的第二個卷積層中5×5卷積核替換成兩個3×3卷積核。