一种电网故障诊断方法与装置、存储介质制造方法及图纸

本发明专利技术涉及一种电网故障诊断方法与装置、存储介质，包括：获取电网的告警信息；获取所述告警信息的小波包时频谱灰度图；调用预设的故障诊断模型对所述小波包时频谱灰度图进行特征识别得到电网故障类型；其中，所述故障诊断模型为CNN

【技术实现步骤摘要】
一种电网故障诊断方法与装置、存储介质


[0001]本专利技术涉及电网
，具体涉及一种电网故障诊断方法与装置、存储介质。

技术介绍

[0002]随着电网规模的迅速扩大，电网负荷也持续走高，其安全性、可靠性和抗外界干扰能力降低。电网随时都可能出现故障，如果不及时恢复，很容易造成连锁故障从而导致大规模的停电事故。
[0003]目前，为监测电网的工作状况，采用大量的传感监测设备采集电网的告警信息。配电室接收到告警信息后，传统做法需根据运行经验人工对告警信息中的信息进行判别，技能要求高、耗时需要5分钟，完成判别后，还需分析处置步骤，电话通知相关人员，整个过程耗时长，导致电网故障停电时间长，不能及时处理电网故障。

技术实现思路

[0004]本专利技术的目的在于提出一种电网故障诊断方法与装置、存储介质，以解决传统电网故障诊断效率低，不能及时处理电网故障的技术问题。
[0005]为实现上述目的，本专利技术的实施例提出一种基于人工智能电网故障诊断方法，包括以下步骤：
[0006]获取电网的告警信息；
[0007]获取所述告警信息的小波包时频谱灰度图；
[0008]调用预设的故障诊断模型对所述小波包时频谱灰度图进行特征识别得到电网故障类型；其中，所述故障诊断模型为CNN
‑
SVM融合模型；
[0009]将所述电网故障类型推送给维修终端进行可视化显示。
[0010]优选地，所述告警信息至少包括以下数据中的一种：
[0011]开关分/合闸数据、保护动作数据、电流变化数据、电压变化数据和温度变化数据。
[0012]优选地，所述故障诊断模型采用以下方法得到：
[0013]获取历史告警信息，并根据所述历史告警信息构建训练数据集和测试数据集；
[0014]将所述训练数据集训练数据集中的数据输入神经网络模型对所述神经网络模型进行训练，得到训练后的神经网络模型；
[0015]将所述测试数据集中的数据输入训练后的神经网络模型获取诊断数据集；
[0016]将所述诊断数据集与测试数据集进行对比，计算诊断准确率；
[0017]若所述诊断准确率大于等于预设的阈值，将训练后的神经网络模型作为故障诊断模型。
[0018]优选地，若所述诊断准确率小于预设的阈值，扩充训练数据集，采用扩充后的训练数据集重新对训练后的神经网络模型进行训练。
[0019]优选地，所述训练数据集包括一一对应的第一告警信息和第一故障类型数据；所述测试数据集包括一一对应的第二告警信息和第二故障类型数据。
[0020]优选地，将所述诊断数据集与测试数据集进行对比，计算诊断准确率，具体包括：
[0021]将所述诊断数据集与所述测试数据集中的第二故障类型数据一一进行对比，统计正确诊断数据个数；
[0022]根据正确诊断数据个数与诊断数据集的数据总数计算诊断准确率。
[0023]优选地，所述电网故障类型包括短路故障、开路故障和自然灾害故障中的一种。
[0024]本专利技术的实施例还提出一种电网故障诊断装置，可以用于实现上述的电网故障诊断方法，包括：
[0025]信息获取模块，用于获取电网的告警信息；
[0026]灰度图获取模块，用于获取所述告警信息的小波包时频谱灰度图；
[0027]故障识别模块，用于调用预设的故障诊断模型对所述小波包时频谱灰度图进行特征识别得到电网故障类型；其中，所述故障诊断模型为CNN
‑
SVM融合模型；
[0028]显示模块，用于将所述电网故障类型推送给维修终端进行可视化显示。
[0029]本专利技术的实施例还一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的电网故障诊断方法。
[0030]本专利技术的实施例基于人工智能的电网故障诊断方法、装置能够有效减轻监控分析工作量，自动完成对电网故障的智能判别，将故障信息实时、完整地推送给相关人员，为现场抢修、故障恢复提供全面的数据支撑，并提供多种方式的智能辅助处置手段，实现了电网运行监控全过程智能化，为电网稳定运行提供了技术保障。
[0031]本专利技术实施例的其它特征和优点将在随后的说明书中阐述。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为本专利技术实施例中一种电网故障诊断方法的流程示意图。
[0034]图2为本专利技术实施例中一种电网故障诊断装置的框架示意图。
具体实施方式
[0035]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本专利技术，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本专利技术同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本专利技术的主旨。
[0036]本专利技术一实施例提出一种电网故障诊断方法，其可以通过一个服务器作为主体来执行，包括以下步骤S1
‑
S4；
[0037]S1：获取电网的告警信息；
[0038]具体而言，电网的告警信息通过设置在电网各处的电力监测装置获取，电力监测装置采集到电网相应位置的告警信息后上传到服务器中；所述告警信息至少包括以下数据
中的一种：开关分/合闸数据、保护动作数据、电流变化数据、电压变化数据和温度变化数据；
[0039]S2：获取所述告警信息的小波包时频谱灰度图；
[0040]S3：调用预设的故障诊断模型对所述小波包时频谱灰度图进行特征识别得到电网故障类型；其中，所述故障诊断模型为CNN
‑
SVM融合模型；
[0041]具体而言，服务器接收到电力监测装置上传的告警信息后，调用预设的故障诊断模型对告警信息进行识别，获取电网告警运行特征，根据电网告警运行特征确认得到电网故障类型；
[0042]本实施例中，所述电网故障类型包括短路故障、开路故障和自然灾害故障中的一种；其中，短路故障有单相接地短路、两相短路、两相接地短路、三相短路；开路故障有一相断线和两相断线；自然灾害故障有泥石流、洪水或冻雨等造成的电网故障；
[0043]本实施例中，调用该故障诊断模型对告警信息进行识别，提炼电网告警运行特征，经过人工进一步校核优化后，组成电网故障类型判断规则；本实施例中，将电网告警运行特征与电网故障一一对应，并通过人工进行校验后，即可形成电网故障类型判断规则；将电网故障类型判断规则导入该故障诊断模型中，故障诊断模型利用该电网故障类型判断规则判断电网故障类型，此处的规则应理解为在训练时，人工给定各类型的正常数据、故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能电网故障诊断方法，其特征在于，包括以下步骤：获取电网的告警信息；获取所述告警信息的小波包时频谱灰度图；调用预设的故障诊断模型对所述小波包时频谱灰度图进行特征识别得到电网故障类型；其中，所述故障诊断模型为CNN
‑
SVM融合模型；将所述电网故障类型推送给维修终端进行可视化显示。2.根据权利要求1所述的一种基于人工智能电网故障诊断方法，其特征在于，所述告警信息至少包括以下数据中的一种：开关分/合闸数据、保护动作数据、电流变化数据、电压变化数据和温度变化数据。3.根据权利要求1所述的一种基于人工智能电网故障诊断方法，其特征在于，所述故障诊断模型采用以下方法得到：获取历史告警信息，并根据所述历史告警信息构建训练数据集和测试数据集；将所述训练数据集训练数据集中的数据输入神经网络模型对所述神经网络模型进行训练，得到训练后的神经网络模型；将所述测试数据集中的数据输入训练后的神经网络模型获取诊断数据集；将所述诊断数据集与测试数据集进行对比，计算诊断准确率；若所述诊断准确率大于等于预设的阈值，将训练后的神经网络模型作为故障诊断模型。4.根据权利要求3所述的一种基于人工智能电网故障诊断方法，其特征在于，若所述诊断准确率小于预设的阈值，扩充训练数据集，采用扩充后的训练数据集重新对训练后的神经网络模型进行训练。5.根据权利要求3所述的一种基于人...

【专利技术属性】
技术研发人员：田启东，林志贤，郑炜楠，何蓝图，李腾飞，于兆一，林欣慰，李志，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：