[發明專利]一種基于集成深度神經網絡的單相接地故障診斷方法

在審

• 申請號: 202310273460.0
• 申請日: 2023-03-21
• 公開（公告）號: CN116008733A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 張葛祥;馬松;楊強;劉啟虞;胡洋珩;朱明
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G01R31/08
• 分類號: G01R31/08;G01R31/52;G06N3/0442;G06N3/0464;G06N3/045;G06N3/08
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 曹廣生

1.一種基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，包括如下步驟：

S1.獲取電力調度自動化系統的故障線路與非故障線路的歷史數據，以及故障線路與非故障線路的在線實時數據；

S2.對所述歷史數據和所述在線實時數據進行缺失值處理和標準化處理；

S3.將經S2處理后的所述歷史數據的80%劃分為訓練集，20%劃分為測試集；將經S2處理后的所述在線實時數據定義為驗證集；

S4.建立基于CNN-LSTM-Attention集成深度神經網絡的單相接地故障診斷模型，將所述訓練集和所述測試集輸入到所述單相接地故障診斷模型中，計算損失誤差確定模型收斂后結束模型訓練；

其中，模型訓練過程采用早停法機制和學習率自更新策略；

S5.在模型訓練結束后保存最佳模型參數；

S6.將所述驗證集輸入到最佳模型參數的所述單相接地故障診斷模型中，進行單相接地故障診斷，完成故障選線。

2.根據權利要求1所述的基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，在步驟S1中，所述歷史數據和所述在線實時數據均包括通過電力調度自動化系統采集的故障線路與非故障線路的有功功率、無功功率、三相電流和三相電壓，有功功率、無功功率、三相電流和三相電壓作為特征數據。

3.根據權利要求1所述的基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，在步驟S2中，所述標準化處理的標準化公式為：

；

式中，為第個樣本和第個參數的特征數據；；為數據樣本個數；為原始樣本的特征維數；和分別為數據樣本中第個特征量的平均值和標準差。

4.根據權利要求1所述的基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，在步驟S2中，所述缺失值處理采用線性插值法，線性插值公式為：

；

式中，為數據樣本的缺失值；和分別為缺失值左右鄰近的數據點值；為缺失值的索引；和為左右鄰近的數據點索引。

5.根據權利要求1所述的基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，在步驟S4中，所述單相接地故障診斷模型包括一個輸入層、一個中間層和一個輸出層。

6.根據權利要求5所述的基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，所述中間層包括：

一個卷積層，其神經元個數為108，其卷積核大小為3*3，其激活函數為Relu；

一個池化層，其過濾器大小為3*3；

四個LSTM層，其神經元個數分別為64、128、128和256；

一個Attention層；

一個全連接層，其神經元個數為32，其激活函數為Softmax。

7.根據權利要求6所述的基于集成深度神經網絡的單相接地故障診斷方法，其特征在于，所述卷積層用于對輸入的特征數據進行序列特征提取，利用卷積核對特征數據進行卷積操作，通過最大池化對所述卷積層提取的序列特征進行優選，所述卷積層的計算公式為：

；

式中，為輸入特征數據的維度，為填充值，為過濾核的大小，為步長，為輸出特征數據的維度。