基于LSTM的避雷器故障判断方法、装置、设备、介质和产品制造方法及图纸

本申请涉及电力技术领域，提供了一种基于修正LSTM的避雷器故障判断方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现准确判断避雷器是否发生了表面污秽故障或受潮故障。该方法包括：获取避雷器的故障数据集，其中包括风的实时属性、地理位置因素和监测数据，根据风的实时属性和地理位置因素构建时空关联性模型，基于时空关联性模型、平均绝对误差条件和误差的反向传播算法神经网络构建基于LSTM的泄漏电流预测模型，将监测数据输入至该模型，得到下一时刻避雷器阻性电流并得到阻性电流基波和三次谐波值，若阻性电流基波和三次谐波值满足增长率条件，则判断避雷器为表面污秽故障，若阻性电流基波满足阈值条件，则判断其为受潮故障。则判断其为受潮故障。则判断其为受潮故障。

【技术实现步骤摘要】
基于LSTM的避雷器故障判断方法、装置、设备、介质和产品


[0001]本申请涉及电力
，特别是涉及一种基于修正LSTM的避雷器故障判断方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]避雷器是变电站中重要的过电压保护设备，其正常运行对变电站的安全稳定运行具有重要意义。在距离海岸线较近的变电站或换流站内，避雷器运行过程中会长期承受雷击过电压和操作过电压，由于高温高湿的特殊运行环境，易引起避雷器表面积污或者受潮，当电压过大时易引起表面闪络。上述缺陷反映在避雷器监测泄漏电流上，阻性电流增大，导致避雷器发热，在热作用下避雷器设备绝缘性能进一步下降，泄漏电流不断增大，最终导致避雷器故障。
[0003]针对避雷器缺陷的诊断，传统技术是通过现场运维和在线监测，但难以准确判断避雷器是否发生了表面污秽故障或受潮故障。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种基于修正LSTM的避雷器故障判断方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于修正LSTM的避雷器故障判断方法，其特征在于，所述方法包括：获取避雷器受潮和表面污秽度的故障数据集；所述故障数据集包括风的实时属性、地理位置因素和监测数据；根据所述风的实时属性和地理位置因素，构建得到时空关联性模型；基于所述时空关联性模型、平均绝对误差条件和误差的反向传播算法神经网络，构建得到基于LSTM的泄漏电流预测模型；将所述监测数据输入至所述基于LSTM的泄漏电流预测模型，得到下一时刻避雷器阻性电流，并计算得到阻性电流基波和三次谐波值；若所述阻性电流基波和三次谐波值满足第一增长率条件，则判断所述避雷器为表面污秽故障；若所述阻性电流基波满足阈值条件，则判断所述避雷器为受潮故障。2.根据权利要求1所述的方法，其特征在于，所述基于所述时空关联性模型、平均绝对误差条件和误差的反向传播算法神经网络，构建得到基于LSTM的泄漏电流预测模型，包括：构建得到基于LSTM的第一泄漏电流预测模型；根据所述时空关联性模型，修正所述基于LSTM的第一泄漏电流预测模型，得到基于LSTM的第二泄漏电流预测模型；根据平均绝对误差条件，修正所述基于LSTM的第二泄漏电流预测模型，得到基于LSTM的第三泄漏电流预测模型；根据误差的反向传播算法神经网络，修正所述基于LSTM的第三泄漏电流预测模型，得到基于LSTM的泄漏电流预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于LSTM的第一泄漏电流预测模型包括遗忘门层、输入门层和输出门层。4.根据权利要求2所述的方法，其特征在于，所述根据平均绝对误差条件，修正所述基于LSTM的第二泄漏电流预测模型，包括：若平均绝对误差大于平均绝对误差阈值，则更新第一偏置、第二偏置、第三偏置及权重，并根据模型训练输入数据，以及，更新后的第一偏置、第二偏置、第三偏置及权重修正所述基于LSTM的第一泄漏电流预测模型；若平均绝对误差小于平均绝对误差阈值，则模型训练输出数据作为另一个初始化参数。5.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：周源，鞠翔，黄大彬，魏金林，魏国富，郭康，吕星岐，张函，颜帅，徐家将，李谱，袁虎强，吴镇宇，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司昆明局，
类型：发明
国别省市：