电力线路故障识别方法、装置及电子设备制造方法及图纸

本发明专利技术涉及线路故障监测技术领域，其实施方式提供了一种电力线路故障识别方法、装置及电子设备。其中电力线路故障识别方法包括：获取电力线路的监测信息；对所述监测信息的多个维度分别进行卷积处理，得到与所述多个维度相对应的多个卷积特征；构建所述多个卷积特征之间的交互关系；通过所述多个卷积特征之间的交互关系识别所述电力线路的故障。本发明专利技术提供的实施方式在增加特征多样性的同时，提升不同模态间的信息交互，设计了多模态交互模块，进一步保障能源物联网中电力线路故障识别准确性。步保障能源物联网中电力线路故障识别准确性。步保障能源物联网中电力线路故障识别准确性。

【技术实现步骤摘要】
电力线路故障识别方法、装置及电子设备


[0001]本专利技术涉及线路故障监测
，具体地涉及一种电力线路故障识别方法、一种电力线路故障识别装置以及一种电子设备。

技术介绍

[0002]电力线路与广大群众的生产生活息息相关，是保障和改善民生的重要基础设施。其中中低压配电网是电网的神经末梢，直接面向电力用户，是用户对电网服务感受和体验的最直观对象。近年来，随着中低压配电物联网建设不断推进，故障快速处置成本不断加大，提高电力系统故障辨识是事故分析和事故处理的依据，对提高电网稳定性和稳步推进配电自动化建设具有重要意义。然而，随着可再生能源以及柔性负荷、可控负荷、间歇性分布式电源、电动汽车等新元素的大规模接入，电力系统正在从集中式确定性网络向分布式随机性网络演变，其复杂性和不确定性日益加剧，电力系统数据表现出高随机、强互动、多耦合等特征，故障特征更加复杂，电网的采用模型驱动的方法进行故障类型辨识日趋困难。
[0003]现有传统故障类型识别方法主要基于发生故障时的电气量，分为暂态量选相方法、稳态量选相方法以及前两者相结合的选相方法3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的限制，且不同类型的故障需要使用不同类型的选相元件。
[0004]随着数值计算设备不断优化，机器学习和深度学习理论在各个领域成功应用并取得了跨越式提升，大量技术人员也将其引入到电力线路故障识别任务中。现有基于机器学习或深度学习的电力线路故障识别方法已获得可观的进展，然而仍存在信息冗余、因非常规因素导致的数据跳变可能造成数据间冲突等问题。

技术实现思路

[0005]本专利技术实施例的目的是提供一种电力线路故障识别、装置及电子设备，以应对输电线路故障特征构造和选择日趋复杂的情况，实现有效的电力系统故障辨识，结合深度学习思想，设计出更智能的电力线路故障识别方法。
[0006]本专利技术的专利技术人对导致现有识别模型出现上述问题的原因进行了深入研究，发现：
[0007]1)现有基于传统方法的识别模型精确度多依赖于由先验知识设计的特征提取器性能，这导致了模型性能依赖于特征提取器的拟合程度。若提高识别精度需要大量的人工进行特征提取器设计，使得现有识别方法缺乏灵活性和可靠性。
[0008]2)现有基于深度学习算法的识别模型利用线路电压或电流数据训练识别模型，较少采用多种特征作为判断依据，缺乏特征多样性。
[0009]3)现有方法较少考虑到不同模态间的潜在交互映射关系，导致不同程度的信息冗余，或因非常规因素导致的数据跳变可能造成数据间冲突。
[0010]基于上述研究，本专利技术第一方面提供一种电力线路故障识别方法，所述识别方法
包括：获取电力线路的监测信息；对所述监测信息的多个维度分别进行卷积处理，得到与所述多个维度相对应的多个卷积特征；构建所述多个卷积特征之间的交互关系；通过所述交互关系识别所述电力线路的故障。
[0011]优选的，在对所述监测信息的多个维度分别进行卷积处理之前，所述识别方法还包括：对所述监测信息进行预处理：将所述监测信息映射为数据序列，以及对所述数据序列进行以下至少一种处理：滑动平均转换和归一化处理。
[0012]优选的，所述滑动平均转换，包括：采用不同大小的滑动窗口对所述数据序列进行滑动平均，得到多个平滑程度不同的新的数据序列。
[0013]优选的，所述归一化处理，包括：将所述数据序列中数据转化为数据有效值的复数形式；对复数形式的数据的实部和虚部分别进行偏差处理；得到所述数据序列对应的数据特征序列。
[0014]优选的，对所述监测信息的多个维度分别进行卷积处理，包括：从所述监测信息的时域维度中获取不同时间尺度的多组第一电压信息；从所述监测信息的频域维度中获取不同频率尺度的多组第二电压信息；对所述多组第一电压信息和所述多组第二电压信息分别进行一维卷积处理。
[0015]优选的，对所述多组第一电压信息和所述多组第二电压信息分别进行一维卷积处理中，分别采用不同的卷积核进行一维局部卷积；所述卷积核的卷积尺寸相同。
[0016]优选的，所述构建所述多个卷积特征之间的交互关系，包括：确定用于表征所述交互关系的表征函数，以所述多个卷积特征为参数，通过所述表征函数得到映射结果；以所述映射结果作为所述交互关系的度量值。
[0017]优选的，所述表征函数为softmax函数。
[0018]优选的，以所述多个卷积特征为参数，通过所述表征函数得到映射结果，包括：对所述多个卷积特征分别进行权重调整，得到权重调整后的多个卷积特征；将权重调整后的多个卷积特征进行相关运算，得到相关运算结果；将所述相关运算结果经过所述softmax函数映射后，得到所述映射结果。
[0019]优选的，将所述相关运算结果经过所述softmax函数映射后，得到所述映射结果，包括：卷积特征X
ν
到卷积特征X
ρ
的映射结果被表示为：
[0020][0021]其中，X
ν
和X
ρ
表示卷积特征；CM
V
→
ρ
表示相关运算；W
Kρ
和W
Vρ
表示权重；Q
v
、K
ρ
、V
ρ
为权重调整后的卷积特征，K
ρ
＝X
ρ
W
Kρ
、V
ρ
＝X
ρ
W
Vρ
；d
ρ
表示多频率ρ模态特征维度。
[0022]优选的，通过所述交互关系识别所述电力线路的故障，包括：将所述交互关系拼接为待识别序列；将所述待识别序列经过分类器进行判别，根据所述分类器的判别结果识别
出所述电力线路的故障。
[0023]优选的，所述判别结果中包括所述电力线路的故障的类型标识。
[0024]在本专利技术的第二方面，还提供了一种电力线路故障识别装置，所述识别装置包括：
[0025]监测数据获取模块，用于获取电力线路的监测信息；特征提取模块，用于对所述监测信息的多个维度分别进行卷积处理，得到与所述多个维度相对应的多个卷积特征；多模态特征交互模块，用于构建所述多个卷积特征之间的交互关系；以及结果判定模块，用于通过所述交互关系识别所述电力线路的故障。
[0026]优选的，在对所述监测信息的多个维度分别进行卷积处理之前，所述识别装置还包括：预处理模块，用于对所述监测信息进行以下预处理：将所述监测信息映射为数据序列，以及对所述数据序列进行以下至少一种处理：滑动平均转换处理和归一化处理。
[0027]优选的，所述滑动平均转换处理包括：采用不同大小的滑动窗口对所述数据序列进行滑动平均，得到多个平滑程度不同的处理后的数据序列。
[0028]优选的，所述归一化处理包括：将所述数据序列中的数据转化为数据有效值的复数形式；对复数形式的数据的实部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力线路故障识别方法，其特征在于，所述识别方法包括：获取电力线路的监测信息；对所述监测信息的多个维度分别进行卷积处理，得到与所述多个维度相对应的多个卷积特征；构建所述多个卷积特征之间的交互关系；通过所述多个卷积特征之间的交互关系识别所述电力线路的故障。2.根据权利要求1所述的识别方法，其特征在于，在对所述监测信息的多个维度分别进行卷积处理之前，所述识别方法还包括：对所述监测信息进行预处理：将所述监测信息映射为数据序列，以及对所述数据序列进行以下至少一种处理：滑动平均转换处理和归一化处理。3.根据权利要求2所述的识别方法，其特征在于，所述滑动平均转换处理包括：采用不同大小的滑动窗口对所述数据序列进行滑动平均，得到多个平滑程度不同的处理后的数据序列。4.根据权利要求2所述的识别方法，其特征在于，所述归一化处理包括：将所述数据序列中的数据转化为数据有效值的复数形式；对复数形式的数据的实部和虚部分别进行偏差处理，得到所述数据序列对应的数据特征序列。5.根据权利要求1所述的识别方法，其特征在于，对所述监测信息的多个维度分别进行卷积处理，包括：从所述监测信息的时域维度中获取不同时间尺度的多组第一电压信息；从所述监测信息的频域维度中获取不同频率尺度的多组第二电压信息；对所述多组第一电压信息和所述多组第二电压信息分别进行一维卷积处理。6.根据权利要求5所述的识别方法，其特征在于，对所述多组第一电压信息和所述多组第二电压信息分别进行一维卷积处理，包括：分别采用不同的卷积核进行一维局部卷积，其中所述卷积核的卷积尺寸相同。7.根据权利要求2所述的识别方法，其特征在于，所述构建所述多个卷积特征之间的交互关系，包括：确定用于表征所述多个卷积特征之间的交互关系的表征函数；以所述多个卷积特征为参数，通过所述表征函数得到映射结果；以所述映射结果作为所述多个卷积特征之间的交互关系的度量值。8.根据权利要求7所述的识别方法，其特征在于，所述表征函数为softmax函数。9.根据权利要求8所述的识别方法，其特征在于，以所述多个卷积特征为参数，通过所述表征函数得到映射结果，包括：对所述多个卷积特征分别进行权重调整，得到权重调整后的多个卷积特征；将权重调整后的多个卷积特征进行相关运算，得到相关运算结果；将所述相关运算结果经过所述softmax函数映射后，得到所述映射结果。10.根据权利要求9所述的识别方法，其特征在于，将所述相关运算结果经过所述softmax函数映射后，得到所述映射结果，包括：卷积特征X
ν
到卷积特征X
ρ
的映射结果被表示为：
其中，X
ν
和X
ρ
表示卷积特征；CM
V
→
ρ
表示相关运算；W
Kρ
和W
Vρ
表示权重；Q
v
、K
ρ
、V
ρ
为权重调整后的卷积特征，K
ρ
＝X
ρ
W
Kρ
、V
ρ
＝X
ρ
W
Vρ
；d
ρ
表示多频率ρ模态特征维度。11.根据权利要求7所述的识别方法，其特征在于，通过所述多个卷积特征之间的交互关系识别所述电力线路的故障，包括：将所述多个卷积特征之间的交互关系拼接为待识别序列；将所述待识别序列经过分类器进行判别，根据所述分类器的判别结果识别所述电力线路的故障。12.根据权利要求11所述的识别方法，其特征在于，所述判别结果中包括所述电力线路的故障的类型标识。13.一种电力线路故障识别装置，其特征在于，所述识别装置包括：监测数据获取模块，用于获取电力线路的监测信息；特征提取模块，用于对所述监测信息的多个维度分别进行卷积处理，得到与所述多个维度相对应的多个卷积特征；多模态特征交互模块，用于构建所述多个卷积特征之间的交互关系；以及结果判定模块，用于通过所述多个卷积特征之间的交互关系识别所述...

【专利技术属性】
技术研发人员：马率颖，甄岩，陈文彬，白晖峰，郑利斌，霍超，张港红，贺金红，高建，尹志斌，苑佳楠，罗安琴，
申请(专利权)人：国网信息通信产业集团有限公司，
类型：发明
国别省市：