一种基于强化学习的配电网故障预测方法及系统技术方案

本发明专利技术公开了一种基于强化学习的配电网故障预测方法，所述方法包括：对所需预测的配电网区段内的故障录波数据提取距前时间、降采样波形和局部波形；将距前时间、降采样波形和局部波形输入故障预测模型获得预测结果，所述故障预测模型包括深度卷积神经网络及长短时期记忆网络单元。

A fault prediction method and system of distribution network based on Reinforcement Learning

【技术实现步骤摘要】
一种基于强化学习的配电网故障预测方法及系统
本专利技术涉及电力
，尤其涉及一种基于强化学习的配电网故障预测方法及系统。
技术介绍
配电网是电力系统中的重要组成部分，随着智能电网的快速发展，分布式电源的大量的不确定接入，使得配电网故障信息越发复杂，故障的准确快速分析变得越发困难。为保障配电网高度智能化运行，需要对馈线运行数据进行实时监控、异常情况及时预警及故障快速定位及处理。因此配电网络通常会加装线路故障指示器和馈线终端等装置，利用这些装置对配电网运行情况进行录波。CN104101812公开了一种小电流接地配电网的故障检测定位方法与系统，系统主站从配电网络多个点的录波中提取零序电压和零序电流的暂态信号，计算作为特征值和各个位置波形的相似性，根据单点特征值及相关性特征值利用机器学习模型判断故障疑似区域。CN103454559中一种基于BP神经网络的多判据融合算法的小电流接地故障的在线定位方法及定位装置，通过安装在线路上不同位置的终端准确捕捉到零序电流超过启动值前1个周期和超过启动值后4个周期的零序电流暂态信号，运用Prony算本文档来自技高网...

【技术保护点】
1.一种基于强化学习的配电网故障预测方法，所述配电网中配置有故障录波装置，其特征在于，所述方法包括：对所需预测的配电网区段内的故障录波数据提取距前时间、降采样波形和局部波形；将距前时间、降采样波形和局部波形输入故障预测模型获得预测结果，所述故障预测模型包括深度卷积神经网络及长短时期记忆网络单元。/n

【技术特征摘要】
1.一种基于强化学习的配电网故障预测方法，所述配电网中配置有故障录波装置，其特征在于，所述方法包括：对所需预测的配电网区段内的故障录波数据提取距前时间、降采样波形和局部波形；将距前时间、降采样波形和局部波形输入故障预测模型获得预测结果，所述故障预测模型包括深度卷积神经网络及长短时期记忆网络单元。


2.根据权利要求1所述的配电网故障预测方法，其特征在于，距前时间是指该对录波数据距上一次录波装置启动录波并获得上一对录波数据的时间；所述降采样波形是指对录波数据中的异常波形以s步长降采样得到的波形；所述局部波形是指录波数据中的异常波形中突变最剧烈的一个周期波形。


3.根据权利要求1所述的配电网故障预测方法，其特征在于，所述深度神经网络包括卷积层区域和全连接层区域，在卷积层区域包括输入卷积层、卷积块和平均池化层。


4.根据权利要求1所述的配电网故障预测方法，其特征在于，所述所述故障预测模型中还包含输出函数，所述输出函数使用sigmoid函数。


5.根据权利要求1所述的配电网故障预测方法，其特征在于，所述故障预测模型是使用adam优化器，通过最小化预测模型和评估模型的损失函数均值来优化参数，进而获得的最优化故障预测模型。


6.一种配电网故障预测设备，该设备包...

【专利技术属性】
技术研发人员：姚蔷，戴义波，张建良，
申请(专利权)人：北京映翰通网络技术股份有限公司，
类型：发明
国别省市：北京;11