基于神经网络的电力通信故障分析检测方法及系统技术方案

本公开提供了一种基于神经网络的电力通信故障分析检测方法，包括以下步骤：获取电力通信节点数据并生成样本集；通过卷积神经网络构建故障分析检测模型，并对故障分析检测模型进行预训练；通过预训练好的故障分析检测模型得出故障分析结果，所述获取电力通信节点数据，包括在区域网络节点处使用相量测量单元对节点电压，支路电流，功率角，有功和无功功率进行测量并获取数据。基于已经训练好的电力故障信号检测模型，可以提前对待检测的质量不佳的电力信号进行预判，可进一步提前通知工作人员提高对其的关注度。提高对其的关注度。提高对其的关注度。

【技术实现步骤摘要】
基于神经网络的电力通信故障分析检测方法及系统


[0001]本公开涉及电力通信领域，尤其涉及一种基于神经网络的电力通信故障分析检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]电力通信的发展和社会的进步对电力通信的运行提出了越来越高的要求，加强对电力通信故障的检测处理显得尤为重要。故障检测一直是电力系统中的一项重要且不可忽视的任务，它能提高电力系统的可靠性，减少因故障造成的损失，其中配电网的故障和异常处理是配电网运行的首要工作，保证配电网运行经济性是配电网运行的重要工作。现今电力系统的拓扑结构和耦合干扰日益复杂，电力系统的故障检测变得愈加困难，适用于单一故障类型或简单系统的传统方法很难达到满意的效果，而卷积神经网络等深度学习的方法在特征提取、图像识别中显示出较大的潜力，对于电力系统故障的检测与辩识，有着重要的研究价值与实际意义。
[0004]卷积神经网络应用在电力系统故障检测方面，主要是是对电力系统的故障进行分类处理，然后用卷积神经网络做模式识别，由输出的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的电力通信故障分析检测方法，包括以下步骤：获取电力通信节点数据；对所述电力通信节点数据进行数据预处理；利用预处理的电力通信节点数据及预训练的故障分析检测模型得出故障分析结果；其中，训练的故障分析检测模型通过深度卷积神经网络获得，根据深度卷积神经网络建立卷积神经网络的关键层，所述关键层包括卷积层、池化层和全连接层；将所述关键层的深度进行延伸，并不断进行交互连接，形成深度卷积神经网络。2.如权利要求1所述的一种基于神经网络的电力通信故障分析检测方法，其特征是：所述获取电力通信节点数据，包括在区域网络节点处使用相量测量单元对节点电压，支路电流，功率角，有功和无功功率进行测量并获取数据。3.如权利要求1所述的一种基于神经网络的电力通信故障分析检测方法，其特征是：对所述电力通信节点数据进行数据预处理；对所述电力通信节点数据进行归一化处理，形成归一化样本集；将所述归一化样本集分为训练集和测试集。4.如权利要求1所述的一种基于神经网络的电力通信故障分析检测方法，其特征是：所述通过卷积神经网络构建故障分析检测模型，包括根据所述电力通信节点数据的特点，确定符合所述特点的卷积神经网络深度，建立深度卷积神经网络。5.如权利要求1所述的一种基于神经网络的电力通信故障分析检测方法，其特征是：所述通过卷积神经网络构建故障分析检测模型，还包括...

【专利技术属性】
技术研发人员：赵洪振，郭祥，郭保证，于为珍，李东兰，王超南，韩靖，薛燕，
申请(专利权)人：国网山东省电力公司济宁供电公司国家电网有限公司，
类型：发明
国别省市：