故障检测方法、装置和电子设备与流程

本发明涉及配电网处理，具体地涉及一种故障检测方法、一种故障检测装置、一种电子设备、一种机器可读存储介质和一种计算机程序产品。

背景技术：

1、配电网是电力系统的重要组成部分，负责将高压电力输送到用户。它的运行状况直接关系到电力供应的可靠性和安全性。配电网由于覆盖范围广、环境复杂、运行条件多变，容易发生各种类型的故障，如短路、断线、接地故障等，这些故障会导致电力供应中断，影响社会经济生活。通过研究和应用先进的故障检测技术，可以迅速准确地定位故障点，及时进行故障隔离和恢复供电，从而提高配电网的供电可靠性。

2、现有方案中包括一些基于人工智能的故障检测方法。这些基于人工智能的故障检测方法相较于人工巡检及基于传统理论的故障检测方法能够极大提高故障检测效率。但是由于配电网故障出现的位置具有随机性，以及配电网拓扑结构非规则的特性，因此配电网故障数据为典型的图结构数据。而现有方案基于人工智能的故障检测方法在提取故障特征过程中难以反映配电网的拓扑结构，无法识别数据之间的深度关联特性，导致配电网的故障检测的检测精度不理想。

技术实现思路

1、本发明实施例的目的是提供一种故障检测方法、装置和电子设备，用以解决现有方案基于人工智能的故障检测方法在提取故障特征过程中难以反映配电网的拓扑结构，无法识别数据之间的深度关联特性，导致配电网的故障检测的检测精度不理想的缺陷。

2、为了实现上述目的，本发明实施例提供一种故障检测方法，包括：

3、获取配电网中的待测节点的待测电压和待测电流；

4、将所述待测电压和所述待测电流输入至电气数据预测模型，得到所述电气数据预测模型输出的所述待测节点未来的电压预测值和电流预测值；

5、基于所述电压预测值和所述电流预测值确定所述待测节点的故障检测结果；

6、其中，所述电气数据预测模型基于时序数据序列和拓扑结构序列构建的不规则图结构进行模型训练，所述时序数据序列是基于设定时间段内的所述配电网的所有节点采集的历史电压数据集和历史电流数据集构建的；所述拓扑结构序列用于表征所述设定时间段内每个时刻所述配电网中所有节点之间的物理拓扑结构。

7、可选的，所述电气数据预测模型是通过以下步骤训练得到的：

8、获取所述时序数据序列和所述拓扑结构序列；

9、基于所述时序数据序列和所述拓扑结构序列构建所述配电网的不规则图结构；

10、基于转换器模型对所述不规则图结构进行特征提取，得到所述不规则图结构对应的多维特征；

11、基于所述多维特征和所述多维特征对应的数据样本真实值对所述电气数据预测模型进行训练。

12、可选的，所述基于转换器模型对所述不规则图结构进行特征提取，得到所述不规则图结构对应的多维特征，包括：

13、通过所述转换器模型的编码器对所述不规则图结构中的时序数据序列进行特征提取，得到时序序列特征；

14、通过所述转换器模型的解码器对所述不规则图结构中的拓扑结构序列进行特征提取，得到空间关系特征；

15、基于所述时序序列特征和所述空间关系特征进行特征融合，得到时空耦合特征；

16、基于所述时序序列特征、所述空间关系特征和所述时空耦合特征进行线性层融合，得到所述不规则图结构对应的多维特征。

17、可选的，所述通过所述转换器模型的编码器对所述不规则图结构中的时序数据序列进行特征提取，得到时序序列特征，包括：

18、对所述时序数据序列分别进行向量化表示以及位置编码，得到第一原始特征向量和第一位置编码特征向量；

19、将所述第一原始特征向量和所述第一位置编码特征向量输入至所述转换器模型的编码器中，得到所述编码器中的多头注意力网络输出的第一特征向量；

20、将所述第一特征向量和所述第一原始特征向量输入至残差连接及层归一化网络，得到所述残差连接及层归一化网络输出的第二特征向量；

21、将所述第二特征向量输入至所述转换器模型的前馈网络中，得到所述前馈网络输出的时序序列特征。

22、可选的，所述通过所述转换器模型的解码器对所述不规则图结构中的拓扑结构序列进行特征提取，得到空间关系特征，包括：

23、对所述拓扑结构序列分别进行向量化表示以及位置编码，得到第二原始特征向量和第二位置编码特征向量；

24、将所述第二原始特征向量和所述第二位置编码特征向量输入至所述转换器模型的解码器中，得到所述解码器中的多头注意力网络输出的第三特征向量；

25、将所述第三特征向量和所述第二原始特征向量输入至残差连接及层归一化网络，得到所述残差连接及层归一化网络输出的第四特征向量；

26、将所述第四特征向量输入至所述转换器模型的前馈网络中，得到所述前馈网络输出的空间关系特征。

27、可选的，所述对所述拓扑结构序列进行位置编码通过以下公式表示：

28、配电网的物理拓扑结构中边的的位置编码为其中分别表示为边涉及的两个节点对应的位置嵌入，具体表示为：

29、

30、其中，表示t时刻节点i和节点j之间的边，分别表示节点i和j对应的位置编码，n为节点数量，d为嵌入维度，k表示在位置编码特征向量中的第k个位置。

31、可选的，所述基于所述时序序列特征和所述空间关系特征进行特征融合，得到时空耦合特征，通过以下公式表示：

32、

33、其中，表示t时刻的时空耦合特征，表示t时刻的历史电压数据和历史电流数据通过全连接层连接并融合得到的样本特征，表示t时刻的时序序列特征，表示t时刻的空间关系特征。

34、另一方面，本发明实施例还提供一种故障检测装置，包括：

35、数据获取模块，用于获取配电网中的待测节点的待测电压和待测电流；

36、预测模块，用于将所述待测电压和所述待测电流输入至电气数据预测模型，得到所述电气数据预测模型输出的所述待测节点未来的电压预测值和电流预测值；

37、故障检测模块，用于基于所述电压预测值和所述电流预测值确定所述待测节点的故障检测结果；

38、其中，所述电气数据预测模型基于时序数据序列和拓扑结构序列构建的不规则图结构进行模型训练，所述时序数据序列是基于设定时间段内的所述配电网的所有节点采集的历史电压数据集和历史电流数据集构建的；所述拓扑结构序列用于表征所述设定时间段内每个时刻所述配电网中所有节点之间的物理拓扑结构。

39、可选的，所述电气数据预测模型是通过以下步骤训练得到的：

40、获取所述时序数据序列和所述拓扑结构序列；

41、基于所述时序数据序列和所述拓扑结构序列构建所述配电网的不规则图结构；

42、基于转换器模型对所述不规则图结构进行特征提取，得到所述不规则图结构对应的多维特征；

43、基于所述多维特征和所述多维特征对应的数据样本真实值对所述电气数据预测模型进行训练。

44、可选的，所述基于转换器模型对所述不规则图结构进行特征提取，得到所述不规则图结构对应的多维特征，包括：

45、通过所述转换器模型的编码器对所述不规则图结构中的时序数据序列进行特征提取，得到时序序列特征；

46、通过所述转换器模型的解码器对所述不规则图结构中的拓扑结构序列进行特征提取，得到空间关系特征；

47、基于所述时序序列特征和所述空间关系特征进行特征融合，得到时空耦合特征；

48、基于所述时序序列特征、所述空间关系特征和所述时空耦合特征进行线性层融合，得到所述不规则图结构对应的多维特征。

49、可选的，所述通过所述转换器模型的编码器对所述不规则图结构中的时序数据序列进行特征提取，得到时序序列特征，包括：

50、对所述时序数据序列分别进行向量化表示以及位置编码，得到第一原始特征向量和第一位置编码特征向量；

51、将所述第一原始特征向量和所述第一位置编码特征向量输入至所述转换器模型的编码器中，得到所述编码器中的多头注意力网络输出的第一特征向量；

52、将所述第一特征向量和所述第一原始特征向量输入至残差连接及层归一化网络，得到所述残差连接及层归一化网络输出的第二特征向量；

53、将所述第二特征向量输入至所述转换器模型的前馈网络中，得到所述前馈网络输出的时序序列特征。

54、可选的，所述通过所述转换器模型的解码器对所述不规则图结构中的拓扑结构序列进行特征提取，得到空间关系特征，包括：

55、对所述拓扑结构序列分别进行向量化表示以及位置编码，得到第二原始特征向量和第二位置编码特征向量；

56、将所述第二原始特征向量和所述第二位置编码特征向量输入至所述转换器模型的解码器中，得到所述解码器中的多头注意力网络输出的第三特征向量；

57、将所述第三特征向量和所述第二原始特征向量输入至残差连接及层归一化网络，得到所述残差连接及层归一化网络输出的第四特征向量；

58、将所述第四特征向量输入至所述转换器模型的前馈网络中，得到所述前馈网络输出的空间关系特征。

59、可选的，所述对所述拓扑结构序列进行位置编码通过以下公式表示：

60、配电网的物理拓扑结构中边的的位置编码为其中分别表示为边涉及的两个节点对应的位置嵌入，具体表示为：

61、

62、其中，表示t时刻节点i和节点j之间的边，分别表示节点i和j对应的位置编码，n为节点数量，d为嵌入维度，k表示在位置编码特征向量中的第k个位置。

63、可选的，所述基于所述时序序列特征和所述空间关系特征进行特征融合，得到时空耦合特征，通过以下公式表示：

64、

65、其中，表示t时刻的时空耦合特征，表示t时刻的历史电压数据和历史电流数据通过全连接层连接并融合得到的样本特征，表示t时刻的时序序列特征，表示t时刻的空间关系特征。

66、另一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述故障检测方法。

67、另一方面，本发明还提供一种机器可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述故障检测方法。

68、另一方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述故障检测方法。

69、通过上述技术方案，本发明实施例的电气数据预测模型考虑了配电网的物理拓扑结构中各节点产生的时序序列数据以及线路连接构成的物理空间结构，并通过构建不规则图结构实现了时间与空间双维度上的配电网特征精确描述，并基于不规则图结构进行模型训练，有助于电气数据预测模型实现精确预测，从而提高配电网故障检测的检测精度。

70、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。