[發明專利]基于暫態波形圖像識別的輸電線路故障辨識分類器、辨識方法及系統

在審

• 申請號: 202210041191.0
• 申請日: 2022-01-14
• 公開（公告）號: CN114414942A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 王建;吳昊;張博;熊小伏;歐陽金鑫
• 申請（專利權）人: 重慶大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 重慶大學專利中心 50201
• 代理人: 黃濤

本發明公開了一種基于暫態波形圖像識別的輸電線路故障辨識分類器，包括：AlexNet網絡，通過以下方式構建將輸電線路故障所對應該的輸電線路首端電壓/電流信號、末端電壓/電流信號以及首末端的零序分量的暫態波形數據做歸一化處理；以同一故障所對應的歸一化處理后的暫態波形數據生成一張二維暫態波形圖像作為故障樣本；獲得多個所述故障樣本形成的故障樣本集；取經過預訓練且第一全連接層、第二全連接層和分類輸出層重置為待訓練狀態的AlexNet網絡，輸入所述故障樣本集進行訓練直至收斂。本發明還公開了基于該分類器的故障識別方法和識別系統，本發明利用圖像特征提取避免了特征量選取的困難，可以實現精準輸電線路故障辨識。

技術領域

本發明涉及輸電線路故障辨識技術領域，具體涉及一種基于暫態波形圖像識別的輸電線路故障辨識分類器、辨識方法及系統。

背景技術

架空輸電線路地域分布廣泛、結構更加復雜、運行環境多變，導致電力系統安全運行易受影響。輸電線路故障辨識可以實現及時準確識別故障原因和故障類型，對于指導自適應重合閘和恢復線路送電，減少線路停運時間，保障電力系統安全穩定運行，具有重要意義。

現有的輸電線路故障辨識思路為利用故障錄波裝置記錄的電流、電壓暫態波形數據，通過時域信號的峰值、持續時間以及頻域信號的能量譜等特征，開展故障分類識別。現有的輸電線路在線監測的主要方法有：①選取波形特征、氣象因素、季節時段特征、背景信息等作為特征量，建立分類器模型，利用實際故障錄波數據對模型進行訓練和測試；②選取波形特征、線路兩端正序電流故障分量、故障電流高頻行波模態分量初始極性等作為特征量，建立分類器模型，利用均衡故障仿真樣本對模型進行訓練和測試；③利用數學形態學方法提取特征量。

以上方法存在的不足有：①在實際應用中，影響故障辨識效果的關鍵點和難點就是選取最有效的特征量，且特征量選取合理性的評估指標存在主觀性；②選取的故障特征易受電壓電流波形、故障距離以及過渡電阻等因素的影響，且特征選取過程復雜；③實際錄波數據的故障標簽往往存在缺失、模糊等問題，且同一條線路故障樣本有限，對模型訓練和測試的效果較差；④構建均衡故障樣本并未考慮故障類型、故障相別、過渡電阻等因素的不平衡性，樣本與實際差距較大，訓練和測試分類模型的結果存疑。

因此，亟需發明一種無需單獨選取特征量、利用大量有標簽的故障樣本訓練和測試分類器模型的輸電線路故障辨識方法。

發明內容

本發明針對現有方法的不足，意在利用AlexNet網絡在圖像分類學習能力強的特點，通過遷移學習方法構建基于暫態波形圖像識別的輸電線路故障辨識分類器，并基于該分類器構建輸電線路故障辨識方法和系統。

本發明的目的之一是提供一種基于暫態波形圖像識別的輸電線路故障辨識分類器，包括：

AlexNet網絡；

所述AlexNet網絡通過以下方式構建：

S1、將輸電線路故障所對應該的輸電線路首端電壓/電流信號、末端電壓/電流信號以及首末端的零序分量的暫態波形數據做歸一化處理；

以同一故障所對應的歸一化處理后的暫態波形數據，生成一張二維暫態波形圖像作為故障樣本；

獲得多個所述故障樣本形成的故障樣本集；

S2、取經過預訓練且第一全連接層、第二全連接層和Softmax層重置為待訓練狀態的AlexNet網絡，輸入所述故障樣本集進行訓練直至收斂。

優先地，所述故障樣本的分類標簽包括，故障類型、故障相及故障原因。

優選地，所述歸一化處理中，各所述暫態波形數據的采樣時間相同。

優選地，所述歸一化處理中，根據輸電線路的電壓等級和輸電容量，設定二維暫態波形圖像上各波形的縱坐標尺度，且遵循以下原則：