配电网接地故障诊断方法及装置制造方法及图纸

本发明专利技术提供一种配电网接地故障诊断方法及装置，包括：获取配电网的基础拓扑结构故障时的一维零序电流信号，并将一维零序电流信号转换为二维图像；以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型；在配电网发生故障时，判断发生故障的拓扑结构是否为基础拓扑结构：若是，则利用基础故障诊断模型对配电网进行故障诊断，输出对应的故障类型；否则，基于基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，并利用该目标故障诊断模型对配电网进行故障诊断，输出对应的故障类型。本发明专利技术的配电网接地故障诊断方法能够实现不同拓扑结构的故障分类，运用范围广，故障分类快速，准确率高。准确率高。准确率高。

【技术实现步骤摘要】
配电网接地故障诊断方法及装置


[0001]本专利技术涉及配电网故障诊断
，具体地涉及一种配电网接地故障诊断方法、一种配电网接地故障诊断装置及一种机器可读存储介质。

技术介绍

[0002]随着科技的发展，电网规模在不断扩大，运行也更加复杂，在自然灾害和人为误操作等因素的影响下，电网发生故障的概率也在逐渐增加。电网故障事故会给国民经济带来巨大损失，甚至影响到国家的安全。
[0003]虽然自然灾害不可避免，但是可以通过技术手段和专业的应对措施将自然灾害对电网的影响降到最低，对国家安全和人们的生活提供有力的保障。面对电网的突发性故障，及时找到故障原因，发生位置，解决故障问题，恢复电网正常运行，对社会、经济、生活等都有重要意义。电网发生故障后，首先出现变化的是各电网线路中的电气量数据。然后，变化的电气量使线路的继电保护装置发生动作，实现故障隔离和线路保护。
[0004]现有技术中通常采用电网故障诊断模型进行故障判断，但是，电网故障诊断模型无法覆盖每一不同拓扑结构的电网，对于新场景中的拓扑结构，无法准确实现故障分类。

技术实现思路

[0005]本专利技术实施方式的目的是提供一种配电网接地故障诊断方法及装置，以至少解决上述的现有的故障诊断过程中，无法覆盖每一不同拓扑结构的电网，对于新场景中的拓扑结构，无法准确实现故障分类的问题。
[0006]为了实现上述目的，本专利技术第一方面提供一种配电网接地故障诊断方法，包括：
[0007]获取配电网的基础拓扑结构故障时的一维零序电流信号，并将所述一维零序电流信号转换为二维图像；
[0008]以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型；
[0009]在配电网发生故障时，判断发生故障的拓扑结构是否为所述基础拓扑结构：
[0010]若是，则利用所述基础故障诊断模型对配电网进行故障诊断，输出对应的故障类型；
[0011]否则，基于所述基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，并利用该目标故障诊断模型对配电网进行故障诊断，输出对应的故障类型。
[0012]可选的，所述方法还包括：
[0013]在将所述一维零序电流信号转换为二维图像前，对获取的一维零序电流信号进行归一化处理。
[0014]可选的，所述将所述一维零序电流信号转换为二维图像，包括：
[0015]利用格拉姆角场，将所述一维零序电流信号映射为对应的二维图像。
[0016]可选的，所述以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障
诊断模型，包括：
[0017]将所述二维图像划分为训练数据集和测试数据集；
[0018]将所述训练数据集输入多尺度卷积神经网络模型，结合注意力模型得到基础故障诊断模型。
[0019]可选的，所述方法还包括：
[0020]利用所述测试数据集对所述基础故障诊断模型进行测试，并根据测试结果修正所述基础故障诊断模型。
[0021]可选的，所述基础故障诊断模型包括：
[0022]输入层、多通道卷积层、融合层、通道注意力模块、第一池化层、卷积层、空间注意力模块、第二池化层、全连接层和输出层；
[0023]其中，所述多通道卷积层为三通道卷积层，第一个通道的卷积核大小为5
×
5，通道数为8；第二个通道的卷积核为3
×
3和1
×
1串联，通道数分别为8和16；第三个通道的卷积核为8
×
8和3
×
3串联，通道数分别为4和8。
[0024]可选的，所述基于所述基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，包括：
[0025]获取所述发生故障的拓扑结构故障时的一维零序电流信号，并将所述一维零序电流信号转换为该发生故障的拓扑结构对应的二维图像；
[0026]将该发生故障的拓扑结构对应的二维图像划分为训练数据集和测试数据集；
[0027]基于该发生故障的拓扑结构对应的二维图像的训练数据集，以所述基础故障诊断模型中的第一池化层、卷积层和第二池化层的参数作为模型参数，训练得到该发生故障的拓扑结构对应的目标故障诊断模型。
[0028]可选的，所述方法还包括：
[0029]利用该发生故障的拓扑结构对应的二维图像的测试数据集对所述目标故障诊断模型进行测试，并根据测试结果修正所述目标故障诊断模型。
[0030]本专利技术第二方面提供一种配电网接地故障诊断装置，包括：
[0031]获取转换模块，用于获取配电网的基础拓扑结构故障时的一维零序电流信号，并将所述一维零序电流信号转换为二维图像；
[0032]建模模块，用于以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型；
[0033]判断输出模块，用于在配电网发生故障时，判断发生故障的拓扑结构是否为所述基础拓扑结构：
[0034]若是，则利用所述基础故障诊断模型对配电网进行故障诊断，输出对应的故障类型；否则，基于所述基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，并利用该目标故障诊断模型对配电网进行故障诊断，输出对应的故障类型。
[0035]另一方面，本专利技术提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请上述的配电网接地故障诊断方法。
[0036]本技术方案提出一种配电网接地故障诊断方法，能够覆盖每一种不同拓扑结构的电网，实现新场景中不同拓扑结构的故障诊断，能够实现不同拓扑结构的故障分类，运用范
围广，故障分类快速，准确率高；另外，将配电网故障时的一维零序电流信号转换为二维图像作为输入数据，能够减少噪声输入，提高故障识别的准确性。
[0037]本专利技术实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0038]附图是用来提供对本专利技术实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施方式，但并不构成对本专利技术实施方式的限制。在附图中：
[0039]图1是本专利技术提供的配电网接地故障诊断方法的流程图；
[0040]图2是本专利技术提供的配电网接地故障诊断方法整体流程框图；
[0041]图3是本专利技术提供的种配电网接地故障诊断方法中的一维零序电流信号时间序列示意图；
[0042]图4是本专利技术提供的配电网接地故障诊断方法中极坐标下的零序电流示意图；
[0043]图5是本专利技术提供的配电网接地故障诊断方法中二维图像示意图；
[0044]图6是本专利技术提供的配电网接地故障诊断方法中多尺度特征提取模块的结构示意图；
[0045]图7是本专利技术提供的配电网接地故障诊断方法中注意力模型的结构示意图；
[0046]图8是本专利技术提供的配电网接地故障诊断方法中基础故障本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网接地故障诊断方法，其特征在于，包括：获取配电网的基础拓扑结构故障时的一维零序电流信号，并将所述一维零序电流信号转换为二维图像；以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型；在配电网发生故障时，判断发生故障的拓扑结构是否为所述基础拓扑结构：若是，则利用所述基础故障诊断模型对配电网进行故障诊断，输出对应的故障类型；否则，基于所述基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，并利用该目标故障诊断模型对配电网进行故障诊断，输出对应的故障类型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在将所述一维零序电流信号转换为二维图像前，对获取的一维零序电流信号进行归一化处理。3.根据权利要求1所述的方法，其特征在于，所述将所述一维零序电流信号转换为二维图像，包括：利用格拉姆角场，将所述一维零序电流信号映射为对应的二维图像。4.根据权利要求1所述的方法，其特征在于，所述以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型，包括：将所述二维图像划分为训练数据集和测试数据集；将所述训练数据集输入多尺度卷积神经网络模型，结合注意力模型得到基础故障诊断模型。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：利用所述测试数据集对所述基础故障诊断模型进行测试，并根据测试结果修正所述基础故障诊断模型。6.根据权利要求4所述的方法，其特征在于，所述基础故障诊断模型包括：输入层、多通道卷积层、融合层、通道注意力模块、第一池化层、卷积层、空间注意力模块、第二池化层、全连接层和输出层；其中，所述多通道卷积层为三通道卷积层，第一个通道的卷积核大小为5
×
5，通道数为8；第二个通道的卷积核为3
×
3和1
×
1串联，通...

【专利技术属性】
技术研发人员：丁津津，张倩，谢民，邵庆祝，孙辉，叶远波，张峰，汪勋婷，何开元，俞斌，于洋，张骏，郑国强，高博，徐斌，
申请(专利权)人：安徽大学，
类型：发明
国别省市：