[發明專利]基于1D V-net深度學習模型的電壓暫降分析方法

在審

• 申請號: 202210020999.0
• 申請日: 2022-01-10
• 公開（公告）號: CN114487568A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 鄧亞平;賈顥;同向前;王璐
• 申請（專利權）人: 西安理工大學
• 主分類號: G01R19/165
• 分類號: G01R19/165;G01R31/08;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 談耀文

1.基于1D V-net深度學習模型的電壓暫降分析方法，其特征在于，具體按照以下步驟實施：

步驟1、結合待檢測的電力網絡系統，對工況種類進行編號，在電力網絡系統在不同工況下，分別改變電力網絡系統中短路容量、接地電阻、持續時間、起止時刻、負荷容量、線路阻抗，采集每種運行工況下的母線電壓數據，作為每種工況下電壓暫降樣本數據；

步驟2、通過電壓暫降樣本數計算每種工況下的電壓均方根值，若該電壓均方根值下降為額定值的10％～90％，則將該電壓及對應的工況形成一組電壓暫降數據樣本A，同時電壓暫降的起止時刻進行標注，將該持續時間內的電壓采樣數據值標記為0，其余采樣數據值標記為1；

步驟3、將所有的電壓暫降數據樣本按照工況種類編號進行標注，結合電壓暫降的起止時刻，形成多組電壓暫降數據樣本B；

步驟4、將多組電壓暫降數據樣本B按照7：2：1劃分為訓練樣本集：驗證樣本集：測試樣本集；

步驟5、構建1D V-net深度學習模型的模型結構；

步驟6、采用訓練樣本集對1D V-net深度學習模型進行離線訓練；

步驟7、結合驗證樣本集中的數據，對步驟6訓練完成后獲得的1D V-net深度學習模型進行性能分析，評估模型過擬合情況及模型泛化能力，得到最優的1D V-net深度學習模型；

步驟8、將測試樣本集數據輸入最優的1D V-net深度學習模型，對訓練完成后獲得的模型進行測試；評估模型泛化能力，若不滿足要求時則將該模型重新進行訓練；

步驟9、使用經測試后且具有良好模型泛化能力的1D V-net深度學習模型進行在線應用，確定電壓暫降擾動類型及起止時刻。

2.根據權利要求1所述基于1D V-net深度學習模型的電壓暫降分析方法，其特征在于，步驟1中所述工況種類包括電動機啟動、變壓器投切、單相短路、兩相短路和三相短路，所述對工況種類進行編號即為對電動機啟動、變壓器投切、單相短路、兩相短路和三相短路依次標記為編號1～5。

3.根據權利要求1所述基于1D V-net深度學習模型的電壓暫降分析方法，其特征在于，步驟2中所述通過電壓暫降樣本數計算每種工況下的電壓均方根值具體過程為：

根據如下公式(1)計算經步驟1采集到的電壓數據的均方根值：

其中，N為每個周期采集的數據點數，x₁，x₂，x₃，……，x_N依次為每個周期內的各采樣數據點所對應的數據值。