故障分类模型的训练、故障检测方法及相关装置制造方法及图纸

本发明专利技术公开了一种故障分类模型的训练、故障检测方法及相关装置，包括：获取输电线路中具有相同采样率的八通道的录波信号，所述八通道的录波信号包括A相电压、B相电压、C相电压、A相电流、B相电流、C相电流、零序电压、零序电流；对所述八通道的录波信号提取输电线路故障发生时刻前后的故障特征数据；以所述故障特征数据作为训练的样本，训练故障分类模型。无需改变原始录波信号的数据结构，保留了原始信号中每个通道的暂态故障信息，以所述故障特征数据作为训练的样本，训练故障分类模型，将训练好的故障分类模型用于检测输电线路中的故障，可以提高输电线路的故障检测效率，并对输电线路故障的类别进行快速的识别。

【技术实现步骤摘要】
故障分类模型的训练、故障检测方法及相关装置
本专利技术实施例涉及电路故障检测技术，尤其涉及故障分类模型的训练、故障检测方法及相关装置。
技术介绍
高压架空输电线路覆盖区域广，工作环境恶劣，是电力系统中故障多发的重灾区，在输电线路故障发生后及时通过故障诊断来判别故障类型，对快速决策和提高供电稳定性都具有重要意义。输电线路两端一般配备有故障录波装置，基于暂态录波信号的故障分析是最直接有效的方法。对此，常用特征提取结合分类器的技术方法对输电线路进行故障分析，一方面，该方法过度依赖低效且耗时的特征工程，不利于推广出通用的故障类别检测的系统框架；另一方面，该方法需要对原始录波信号进行数据结构的重塑，可能会导致暂态故障信息的损失，影响故障检测的性能。
技术实现思路
本专利技术实施例提出了故障分类模型的训练、故障检测方法及相关装置，以解决输电线路中故障检测效率低、故障类别检测框架通用性较差的问题。第一方面，本专利技术实施例提供了一种故障分类模型的训练方法，该方法包括：获取输电线路中具有相同采样率的八通道的录波信号，所述八通本文档来自技高网...

【技术保护点】
1.一种故障分类模型的训练方法，其特征在于，包括：/n获取输电线路中具有相同采样率的八通道的录波信号，所述八通道的录波信号包括A相电压、B相电压、C相电压、A相电流、B相电流、C相电流、零序电压、零序电流；/n对所述八通道的录波信号提取输电线路故障发生时刻前后的故障特征数据；/n以所述故障特征数据作为训练的样本，训练故障分类模型。/n

【技术特征摘要】
1.一种故障分类模型的训练方法，其特征在于，包括：
获取输电线路中具有相同采样率的八通道的录波信号，所述八通道的录波信号包括A相电压、B相电压、C相电压、A相电流、B相电流、C相电流、零序电压、零序电流；
对所述八通道的录波信号提取输电线路故障发生时刻前后的故障特征数据；
以所述故障特征数据作为训练的样本，训练故障分类模型。


2.根据权利要求1所述的方法，其特征在于，所述对所述八通道的录波信号提取输电线路故障发生时刻前后的故障特征数据，包括：
基于预设的采样频率，对所述八通道的录波信号中的每个通道提取输电线路故障发生时刻t前后的1/4周波的故障暂态信号，以所述故障暂态信号作为每个所述通道的故障特征数据。


3.根据权利要求1或2所述的方法，其特征在于，所述以所述故障特征数据作为训练的样本，训练故障分类模型，包括：
将所述故障特征数据输入到故障分类模型中进行前向传播，得到所述八通道的录波信号属于不同故障类别的概率；
基于所述概率，计算每个所述通道的所述故障特征数据的损失值；
利用所述损失值对所述故障分类模型进行反向传播，确定所述故障分类模型的参数。


4.根据权利要求3所述的方法，其特征在于，所述故障分类模型包括全连接层，以及，针对每个所述通道设置的第一卷积层、第一池化层、第二卷积层、第二池化层；
所述将所述故障特征数据输入到故障分类模型中进行前向传播，得到所述八通道的录波信号属于不同故障类别的概率，包括：
针对每个所述通道，将所述通道的故障特征数据输入到所述第一卷积层中进行卷积操作，得到第一特征数据；
针对每个所述通道，将所述通道的所述第一特征数据输入到所述第一池化层中进行池化操作，得到第二特征数据；
针对每个所述通道，将所述通道的所述第二特征数据输入到所述第二卷积层中进行卷积操作，得到第三特征数据；
针对每个所述通道，将所述通道的所述第三特征数据输入到所述第二池化层中进行池化操作，得到第四特征数据；
将各个所述通道对应的所述第四特征数据输入到所述全连接层中进行映射操作，输出所述八通道的录波信号属于不同故障类别的概率。


5.根据权利...

【专利技术属性】
技术研发人员：叶万余，苏超，罗敏辉，阮伟聪，黄绍川，胡金磊，龚翔，简胜超，彭显刚，
申请(专利权)人：广东电网有限责任公司清远供电局，
类型：发明
国别省市：广东;44