技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种基于大数据的配电网故障类型识别方法  >  正文

一种基于大数据的配电网故障类型识别方法

  • 国知局
  • 2024-07-31 23:12:02

本发明属于人工智能以及大数据,特别是涉及一种基于大数据的配电网故障类型识别方法。

背景技术:

1、在现代电力系统中,配电网故障类型识别是电力行业关注的重要问题之一。随着电力系统规模的不断扩大和智能电网的快速发展,准确、高效地识别配电网故障类型对于确保电网安全运行和故障及时维修至关重要。

2、传统的配电网故障诊断方法,通常是基于电流、电压的走势数据进行序列建模,如果模型仅基于电流、电压单一域的数据进行建模,无法捕捉到故障的全貌。同时,序列模型潜在的遗忘性质间接导致了模型无法对原始复杂数据进行深度理解,从而限制了故障诊断的准确性。而现有的基于深度学习的故障诊断方法,存在严重的数值稳定性以及参数过拟合问题。

技术实现思路

1、为了解决背景技术中存在的问题,本发明提供一种基于大数据的配电网故障类型识别方法,包括:

2、s1:获取预处理后的配电网的故障训练样本集,其中,所述故障训练样本包括:故障发生时故障点的故障波形数据和对应的故障类别标签;

3、s2:对故障训练样本的故障波形数据进行特征提取,得到故障训练样本的时域、频域和熵特征;

4、s3:对故障训练样本的时域、频域和熵特征分别进行白化处理得到故障训练样本的白化时域特征、白化频域和白化熵特征;

5、s4:根据所有故障训练样本的特征方差和故障类别标签对故障训练样本的白化时域特征、白化频域特征和白化熵特征进行过滤,得到故障训练样本的时域属性特征、频域属性特征和熵属性特征;

6、s5:根据故障训练样本的时域属性特征、频域属性特征和熵属性特征利用故障识别模型预测故障训练样本的故障类型;

7、s6:根据故障训练样本的故障类别标签和故障训练样本的预测结果构建损失函数对故障识别模型进行训练,通过训练好的故障识别模型对待识别故障波形数据进行故障识别。

8、本发明至少具有以下有益效果

9、本发明通过对故障训练样本进行时域、频域和熵的multi-field特征在数据压缩的同时,可以更全面地捕捉到故障信号的内在特性,从而提高故障分类和诊断的准确性;通过对故障训练样本的时域、频域和熵特征分别进行白化处理避免了数据差异大的问题,有助于加速模型收敛,提高模型泛化能力;通过对故障训练样本的白化时域特征、白化频域特征和白化熵特征进行过滤从而提升数据质量减少训练成本,避免模型陷入过拟合,提高模型的故障诊断效率和准确性。

技术特征:

1.一种基于大数据的配电网故障类型识别方法,其特征在于,包括:

2.根据权利要求1所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述故障训练样本集的预处理过程包括:

3.根据权利要求2所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述故障波形数据包括:故障点的电压时序数据、电流时序数据和过滤电阻时序数据中的一种或多种。

4.根据权利要求1所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述故障训练样本的时域特征包括:峰值、均值、整流平均值、方差、标准差、峭度、偏度、均方根、峰间值、波形因子、峰值因子、脉冲因子和裕度因子;

5.根据权利要求1所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述对故障训练样本的时域、频域和熵特征分别进行白化处理包括:

6.根据权利要求1所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述步骤s4包括:

7.根据权利要求1所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述利用故障识别模型预测故障训练样本的故障类型包括:

8.根据权利要求7所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述利用双线性算子将中间时域属性特征、中间频域属性特征和中间熵属性特征两两组合包括:

9.根据权利要求7所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述将特征交互矩阵x0输入压缩感知层进行深层特征提取得到多域交互深层次特征包括:

10.根据权利要求1所述的一种基于大数据的配电网故障类型识别方法,其特征在于,所述损失函数包括:

技术总结本发明涉及一种基于大数据的配电网故障类型识别方法,包括:获取预处理后的配电网的故障训练样本集;对故障训练样本的故障波形数据进行特征提取,得到故障训练样本的时域、频域和熵特征;对故障训练样本的时域、频域和熵特征分别进行白化处理得到故障训练样本的白化时域特征、白化频域和白化熵特征;根据所有故障训练样本的特征方差和故障类别标签对故障训练样本的白化时域特征、白化频域特征和白化熵特征进行过滤,得到故障训练样本的时域属性特征、频域属性特征和熵属性特征;根据故障训练样本的时域属性特征、频域属性特征和熵属性特征利用故障识别模型预测故障训练样本的故障类型,本发明有效提升了配电网故障预测的准确率。技术研发人员:刘彬,敖宇,吴思远,张焱,王进受保护的技术使用者:重庆邮电大学技术研发日:技术公布日:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/196373.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。