[發(fā)明專利]一種基于深度超分網(wǎng)絡識別電力故障錄波的方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211310032.2
• 申請日: 2022-10-25
• 公開（公告）號: CN115640540A
• 公開（公告）日: 2023-01-24
• 發(fā)明（設計）人: 謝光彬;江漫
• 申請（專利權）人: 國網(wǎng)四川省電力公司宜賓供電公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/25;G06F18/213;G06N3/045;G06N3/0464;G01R31/00;G06F123/00
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 張鳴潔

1.一種基于深度超分網(wǎng)絡識別電力故障錄波的方法，其特征在于，包括以下步驟：

步驟S1，使用錄波器采集電力故障錄波信息數(shù)據(jù)，并對電力故障錄波信息數(shù)據(jù)進行預處理并構建數(shù)據(jù)集，所述數(shù)據(jù)集包括訓練集和測試集；

步驟S2，構建深度超分網(wǎng)絡模型，所述深度超分網(wǎng)絡模型包括第一卷積模塊、第二卷積模塊、第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模塊、第三殘差密集網(wǎng)絡模塊、特征拼接模塊、特征相加模塊、上采樣模塊和特征聚集模塊；

步驟S3，使用數(shù)據(jù)集訓練深度超分網(wǎng)絡模型；

步驟S4，在實際場景下使用錄波器采集電力故障錄波信息數(shù)據(jù)，將采集的電力故障錄波信息數(shù)據(jù)作為待檢測樣本輸入進訓練好深度超分網(wǎng)絡模型中，通過深度挖掘分析特征聚集模塊生成的特征結果輸出電力故障分類結果。

2.根據(jù)權利要求1所述的一種基于深度超分網(wǎng)絡識別電力故障錄波的方法，其特征在于，所述步驟S2中深度超分網(wǎng)絡模型的結構包括：

所述深度超分網(wǎng)絡模型中，第一卷積模塊連接有并聯(lián)的第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模和第三殘差密集網(wǎng)絡模塊，所述第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模和第三殘差密集網(wǎng)絡模塊分別連接特征拼接模塊，所述第一卷積模塊和特征拼接模塊分別和特征相加模塊連接，所述特征相加模塊依次連接上采樣模塊、第二卷積模塊和特征聚集模塊。

3.根據(jù)權利要求1所述的一種基于深度超分網(wǎng)絡識別電力故障錄波的方法，其特征在于，包括：

所述第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模和第三殘差密集網(wǎng)絡模塊為三個網(wǎng)絡結構相同的模塊。

4.根據(jù)權利要求3所述的一種基于深度超分網(wǎng)絡識別電力故障錄波的方法，其特征在于，包括：

所述第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模和第三殘差密集網(wǎng)絡模塊中每個殘差密集網(wǎng)絡模塊的結構包括三個串聯(lián)的結構相同卷積組合模塊和特征拼接卷積組合模塊；

所述卷積組合模塊包括依次連接的層一歸化模塊、卷積模塊和修正模塊，所述特征拼接卷積組合模塊包括依次連接的特征拼接模塊和卷積模塊。

5.根據(jù)權利要求4所述的一種基于深度超分網(wǎng)絡識別電力故障錄波的方法，其特征在于，包括： 所述第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模和第三殘差密集網(wǎng)絡模塊中當特征依次經(jīng)過三個串聯(lián)的卷積組合模塊和特征拼接卷積組合模塊后，與深度超分網(wǎng)絡模型中第一卷積模塊中輸出的特征經(jīng)過特征相加輸入到深度超分網(wǎng)絡模型中的特征相加模塊中。

6.根據(jù)權利要求1所述的一種基于深度超分網(wǎng)絡識別電力故障錄波的方法，所述步驟S3包括：

初始化數(shù)據(jù)集，并利用訓練集進行訓練深度超分網(wǎng)絡模型，將深度超分網(wǎng)絡模型中的迭代次數(shù)和學習率預設完整，直到迭代次數(shù)等于最大迭代次數(shù)，中止訓練。

7.一種基于深度超分網(wǎng)絡識別電力故障錄波的系統(tǒng)，其特征在于，包括采集單元、模型搭建單元、訓練單元和檢測單元，其中：

采集單元，用于使用錄波器采集電力故障錄波信息數(shù)據(jù)，并對電力故障錄波信息數(shù)據(jù)進行預處理并構建數(shù)據(jù)集，所述數(shù)據(jù)集包括訓練集和測試集；

模型搭建單元，用于構建深度超分網(wǎng)絡模型，所述深度超分網(wǎng)絡模型包括第一卷積模塊、第二卷積模塊、第一殘差密集網(wǎng)絡模塊、第二殘差密集網(wǎng)絡模塊、第三殘差密集網(wǎng)絡模塊、特征拼接模塊、特征相加模塊、上采樣模塊和特征聚集模塊；

訓練單元，用于使用數(shù)據(jù)集訓練深度超分網(wǎng)絡模型；

檢測單元，用于在實際場景下使用錄波器采集電力故障錄波信息數(shù)據(jù)，將采集的電力故障錄波信息數(shù)據(jù)作為待檢測樣本輸入進訓練好深度超分網(wǎng)絡模型中，通過深度挖掘分析特征聚集模塊生成的特征結果輸出電力故障分類結果。

8.一種電子設備，其特征在于，包括存儲器，用于存儲計算機程序；

處理器，用于執(zhí)行所述計算機程序時實現(xiàn)如權利要求1-6任一項所述的識別電力故障錄波的方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1-6任一項所述的識別電力故障錄波的方法。