【技术实现步骤摘要】
一种输电线路故障类型识别方法及系统
本专利技术涉及一种输电线路故障类型识别方法，属于电力系统保护领域。
技术介绍
故障类型识别作为电力系统故障诊断的重要环节，传统故障类型识别方法主要基于故障时的电气量，分为暂态量选相、稳态量选相或两者相结合选相三种。基于电气量的选相方法实现较为简单，但容易受负荷电流、系统运行方式、故障位置、过渡电阻及故障相角等因素限制其有效性，且不同类型的故障需要使用不同类型的选相元件。电网数据采集系统和故障信息系统的建立，可以提供故障期间的事件信息和录波数据，为人工智能算法的应用奠定了数据基础。相关研究者已提出将传统人工智能算法应用到故障类型识别，然而传统浅层学习算法均包含特征参数提取环节和分类识别环节两部分，其识别效果很大程度上依赖人工设计的特征参数提取环节，特征参数选择的优劣会直接影响整个模型的识别效果。深度学习不依赖于人工设计特征提取环节，通过海量数据训练，构建深层神经网络，自动提取输入数据特征并进行归纳分类，在故障类型识别方面具有巨大应用潜力。目前，已有部分国内外学者将深度学习应用到输电线...
【技术保护点】
1.一种输电线路故障类型识别方法，其特征是，包括以下步骤：/n利用预先构建的输电线路故障仿真模型生成目标线路各类型的故障时序数据，对故障时序数据进行处理，产生面向卷积神经网络CNN的目标域数据样本；/n利用目标域数据样本对预先构建的预训练模型进行卷积核迁移训练，形成目标域模型；/n采用目标域模型对目标线路的故障类型进行识别。/n
【技术特征摘要】
1.一种输电线路故障类型识别方法，其特征是，包括以下步骤：
利用预先构建的输电线路故障仿真模型生成目标线路各类型的故障时序数据，对故障时序数据进行处理，产生面向卷积神经网络CNN的目标域数据样本；
利用目标域数据样本对预先构建的预训练模型进行卷积核迁移训练，形成目标域模型；
采用目标域模型对目标线路的故障类型进行识别。
2.根据权利要求1所述的一种输电线路故障类型识别方法，其特征是，所述预训练模型的构建步骤为：
利用预先构建的输电线路故障仿真模型生成源线路的各类型的故障时序数据，对该源线路的故障时序数据进行处理，产生面向卷积神经网络CNN的源域数据样本；
构建初始卷积神经网络，输入源域数据样本对初始卷积神经网络进行预训练，得到预训练模型。
3.根据权利要求1或2所述的一种输电线路故障类型识别方法，其特征是，输电线路故障仿真模型的构建步骤为：
构建单条输电线路故障仿真模型；
设置输电线路参数遍历表，对不同参数故障期间的电气量进行遍历采集，产生可用于预训练和迁移训练的输电线路两端三相电压和三相电流的时序数据。
4.根据权利要求3所述的一种输电线路故障类型识别方法，其特征是，参数遍历表中包含的输电线路参数有电压、频率、故障位置、负荷、过渡电阻和故障类型。
5.根据权利要求1或2所述的一种输电线路故障类型识别方法，其特征是，对故障时序数据进行处理的步骤包括：
等间隔采样、二维数据矩阵构建和归一化的步骤。
6.根据权利要求2...
【专利技术属性】
技术研发人员：杨毅，崔玉，黄强，殷浩然，吴奕，范栋琛，韩佶，杜云龙，苗世洪，袁宇波，高磊，王文焕，宋亮亮，宋爽，齐贝贝，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，国网江苏省电力有限公司，华中科技大学，中国电力科学研究院有限公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。