[發(fā)明專利]基于WaveNet的多端直流輸電線路故障診斷方法在審
| 申請(qǐng)?zhí)枺?/td> | 202210106519.2 | 申請(qǐng)日: | 2022-01-28 |
| 公開(公告)號(hào): | CN114580500A | 公開(公告)日: | 2022-06-03 |
| 發(fā)明(設(shè)計(jì))人: | 鄧亞平;張曉暉;席曉莉;賈顥 | 申請(qǐng)(專利權(quán))人: | 西安理工大學(xué) |
| 主分類號(hào): | G06K9/62 | 分類號(hào): | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 西安弘理專利事務(wù)所 61214 | 代理人: | 王奇 |
| 地址: | 710048 陜*** | 國(guó)省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 wavenet 多端 直流 輸電 線路 故障診斷 方法 | ||
本發(fā)明公開了基于WaveNet的多端直流輸電線路故障診斷方法,首先,采集多端柔性直流輸電系統(tǒng)中的部分電壓電流信號(hào)采集收集后進(jìn)行預(yù)處理;其次,對(duì)樣本數(shù)據(jù)集人工標(biāo)注并劃分為樣本訓(xùn)練集、樣本驗(yàn)證集、樣本測(cè)試集;然后,對(duì)搭建完成的WaveNet模型進(jìn)行訓(xùn)練,直至未出現(xiàn)過擬合現(xiàn)象;最后,使用最優(yōu)分析模型部署到實(shí)際中,得到多端柔性直流輸電線路故障診斷分析結(jié)果。本發(fā)明方法在一定程度上避免了現(xiàn)有技術(shù)中人為造成的不確定性因素,且診斷結(jié)果不依賴于物理模型,不受線路參數(shù)、負(fù)荷容量、系統(tǒng)阻抗等因素影響,模型適應(yīng)能力較強(qiáng),準(zhǔn)確率較高。
技術(shù)領(lǐng)域
本發(fā)明屬于電力系統(tǒng)分析技術(shù)領(lǐng)域,具體涉及一種基于WaveNet的多端直流輸電線路故障診斷方法。
背景技術(shù)
基于模塊化多電平換流器的柔性直流輸電系統(tǒng)具有功率雙向流動(dòng)、控制靈活特點(diǎn),越來越受到關(guān)注。多端直流輸電系統(tǒng)是解決大規(guī)模新能源送出和消納的有效手段之一,因而得到了廣泛應(yīng)用。然而,多端柔性直流輸電系統(tǒng)阻尼小,故障后的電流上升速度快,對(duì)輸電線路故障診斷方法提出了更高的要求。
現(xiàn)有關(guān)于多端柔性直流輸電線路故障診斷方法的研究多是基于物理模型驅(qū)動(dòng)的方法,即通過故障機(jī)理模型分析,建立故障電壓或電流信號(hào)特征量,人工設(shè)定故障閾值后進(jìn)行輸電線路故障診斷。然而,通過模型機(jī)理分析必然會(huì)存在不合理假設(shè)或簡(jiǎn)化,難以建模分析線路參數(shù)變化、負(fù)荷容量變化、阻抗參數(shù)變化等因素的影響,必然導(dǎo)致故障診斷誤判高,準(zhǔn)確率低。因此,現(xiàn)有多端柔性直流輸電線路故障診斷方法面對(duì)日益復(fù)雜的電網(wǎng)結(jié)構(gòu),故障發(fā)生后的電氣特征量將發(fā)生顯著變化,從而導(dǎo)致現(xiàn)有方法難以實(shí)現(xiàn)精準(zhǔn)的輸電線路故障診斷。
數(shù)據(jù)驅(qū)動(dòng)方法則利用的是數(shù)據(jù)統(tǒng)計(jì)和數(shù)據(jù)挖掘的方法,去發(fā)現(xiàn)數(shù)據(jù)所表現(xiàn)的電力系統(tǒng)物理本質(zhì)和運(yùn)行規(guī)律,通過數(shù)據(jù)透視事物的本質(zhì)和關(guān)系。由于此類方法并不需要進(jìn)行假設(shè)或簡(jiǎn)化,也不依賴于機(jī)理,依據(jù)的是反映系統(tǒng)真實(shí)情況的數(shù)據(jù)。因此,數(shù)據(jù)驅(qū)動(dòng)方法在面對(duì)不確定性加劇、多因素共同作用、與外界交互性日益增強(qiáng)的復(fù)雜大電網(wǎng)時(shí)展現(xiàn)出獨(dú)特優(yōu)勢(shì),適于進(jìn)行多端柔性直流輸電線路故障診斷。
發(fā)明內(nèi)容
本發(fā)明的目的是提供基于WaveNet的多端直流輸電線路故障診斷方法,解決了現(xiàn)有技術(shù)中人為造成的不確定性因素導(dǎo)致診斷結(jié)果受影響、模型適應(yīng)能力和準(zhǔn)確率不夠高的問題。
本發(fā)明所采用的技術(shù)方案是,
基于WaveNet的多端直流輸電線路故障診斷方法,具體按照如下步驟進(jìn)行:
步驟1:采集多端柔性直流輸電系統(tǒng)中的部分電壓電流信號(hào)采集,其中,至少包括一條直流輸電線路上的正極電壓、負(fù)極電壓、正極電流、負(fù)極電流,以及一條連接該直流輸電線路的交流側(cè)三相交流電壓和交流電流;
步驟2:對(duì)步驟1中采集到的電壓數(shù)據(jù)和電流數(shù)據(jù)進(jìn)行歸一化預(yù)處理,獲得歸一化預(yù)處理后的電壓數(shù)據(jù)和電流數(shù)據(jù);
步驟3:在多端柔性直流輸電系統(tǒng)運(yùn)行于不同工況的情形下,通過仿真手段或者收集實(shí)際系統(tǒng)運(yùn)行歷史數(shù)據(jù),形成樣本數(shù)據(jù)集;
步驟4:對(duì)樣本數(shù)據(jù)集人工標(biāo)注并劃分為樣本訓(xùn)練集、樣本驗(yàn)證集、樣本測(cè)試集;
步驟5:搭建WaveNet整體模型結(jié)構(gòu);
步驟6:對(duì)WaveNet模型使用步驟4的樣本訓(xùn)練集進(jìn)行模型的訓(xùn)練,獲得訓(xùn)練完成后的WaveNet模型;
步驟7:對(duì)訓(xùn)練完成后的WaveNet模型,使用步驟4的樣本驗(yàn)證集進(jìn)行模型的過擬合判斷;若出現(xiàn)過擬合則按照步驟6對(duì)WaveNet模型進(jìn)行重新訓(xùn)練,直至未出現(xiàn)過擬合現(xiàn)象,得到最優(yōu)WaveNet模型;
步驟8:對(duì)步驟7的最優(yōu)WaveNet模型,使用步驟4的樣本測(cè)試集進(jìn)行模型的測(cè)試;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安理工大學(xué),未經(jīng)西安理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210106519.2/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 基于人工智能的語料擴(kuò)充及語音合成系統(tǒng)構(gòu)建方法及裝置
- 用于實(shí)時(shí)神經(jīng)文本轉(zhuǎn)語音的系統(tǒng)和方法
- 混響抑制的處理方法和裝置
- 一種TTS的方法及系統(tǒng)
- 一種基于WaveNet的骨導(dǎo)語音增強(qiáng)波形生成方法
- 基于wavenet的情感語音轉(zhuǎn)換方法
- 一種基于深度學(xué)習(xí)的軸流壓氣機(jī)失速喘振預(yù)測(cè)方法
- 一種基于深度學(xué)習(xí)的軸流壓氣機(jī)失速喘振預(yù)測(cè)方法
- 一種基于Transformer和WaveNet的蒙古語語音合成方法
- 語音識(shí)別模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





