[發明專利]一種基于卷積長短期記憶網絡的電力故障預警方法及系統

在審

• 申請號: 202110422529.2
• 申請日: 2021-04-19
• 公開（公告）號: CN112949947A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 彭龍;黨三磊;黃友朋;姚智聰;招景明;彭策
• 申請（專利權）人: 廣東電網有限責任公司計量中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06Q50/06;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;呂金金

1.一種基于卷積長短期記憶網絡的電力故障預警方法，其特征在于，包括：

獲取目標區域內每種電力設備的歷史電壓數據，并對所述歷史電壓數據預處理，獲得預處理后的歷史電壓數據；

將所述預處理后的歷史電壓數據輸入預設的卷積長短期記憶網絡模型中，對所述預設的卷積長短期記憶網絡模型的網絡參數進行訓練，獲得訓練后的卷積長短期記憶網絡模型；

將預處理后的歷史電壓數據輸入訓練后的卷積長短期記憶網絡模型，得到每種電力設備的預測歷史電壓數據；

分別計算所述每種電力設備的預測歷史電壓數據的霍特林統計量，并確定每種電力設備電壓數據的霍特林統計量的閾值；

獲取目標區域內每種電力設備的實時電壓數據，并對所述實時電壓數據進行預處理后輸入到訓練后的卷積長短期記憶網絡模型；獲得每種電力設備的預測實時電壓數據；

分別計算所述每種電力設備的預測實時電壓數據的霍特林統計量，并判斷所述每種電力設備的預測實時電壓數據的霍特林統計量是否小于所述每種電力設備電壓數據的霍特林統計量的閾值，若是，則對應電力設備正常，若否，則對應的電力設備異常。

2.根據權利要求1所述的基于卷積長短期記憶網絡的電力故障預警方法，其特征在于，所述獲取目標區域內每種電力設備的歷史電壓數據，并對所述歷史電壓數據預處理，獲得預處理后的歷史電壓數據，具體為：

采用零-均值規范化的方法對每種電力設備的歷史電壓數據進行歸一化處理，具體公式如下：

其中x，x^*分別為歸一化前后序列，μ為樣本均值，σ為樣本標準差。

3.根據權利要求1所述的基于卷積長短期記憶網絡的電力故障預警方法，其特征在于，將所述預處理后的電壓數據輸入預設的卷積長短期記憶網絡模型的網絡參數進行訓練，獲得訓練后的卷積長短期記憶網絡模型，具體為：

設置訓練過程的超參數；隨機初始化網絡的權重W和偏置參數b；代入每個樣本數據，按網絡結構順序計算獲得預測結果h_t；用預測結果與真實值的均方差計算預測損失函數；根據Adam優化算法更新網絡的權重W和偏置參數b。

4.根據權利要求3所述的基于卷積長短期記憶網絡的電力故障預警方法，其特征在于，所述根據Adam優化算法更新網絡的權重W和偏置參數b，具體為：

設置超參數，其中，所述超參數包括：學習率α＝0.001，衰減率β₁＝0.9，β₂＝0.999，穩定常數ε＝10^-8；

初始化m₀，v₀為0，開始迭代過程，迭代固定次數后結束；具體如下：

計算損失函數的梯度g_t

其中，f(W，b)代表損失函數，代表求解梯度；

更新并修正矩估計變量m_t，v_t：

m_t←β₁·m_t-1+(1-β₁)·g_t

其中，m_t、m_t-1代表本次迭代與上次迭代的一階矩估計變量，代表本次迭代的修正后的一階矩估計變量；v_t、v_t-1代表本次迭代與上次迭代的二階矩估計變量，代表本次迭代的修正后的二階矩估計變量；

更新參數W：

其中，W_t與W_t-1分別為本次迭代更新后與更新前的權重矩陣。