一种基于双确认的继电保护装置状态监测方法制造方法及图纸

一种基于双确认的继电保护装置状态监测方法，涉及继电保护技术领域，包括以下步骤，a、图像数据预处理，对现场采集的继电保护装置图像进行预处理，得到带有标记的继电保护装置图像；b、继电保护装置状态图像识别，通过深度神经网络提取继电保护装置状态图像特征，识别装置运行状态；c、继电保护装置状态预测，d、继电保护装置状态双确认，通过继电保护装置状态图像识别信息和继电保护装置状态预测信息同时对继电保护装置状态进行确认，判断继电保护装置是否正常运行，本发明专利技术通过图像状态和监测信号两方面信息对继电保护装置状态进行确认，提高了变电站继电保护装置监测的准确率。高了变电站继电保护装置监测的准确率。

【技术实现步骤摘要】
一种基于双确认的继电保护装置状态监测方法


[0001]本专利技术涉及继电保护装置
，具体是涉及了一种基于双确认方式的继电保护状态监测方法。

技术介绍

[0002]随着以新能源为主体的新型电力系统建设，需要建设大量新能源厂站和变电站。变电站是电力输送系统的重要组成部分，可以将高电压转换为中低电压，并将电力引导至配电线路，其中的继电保护装置对于变电站安全具有重要作用。在变电站设备发生故障时，可以通过继电保护装置及时报警并对故障进行隔离，维持电网安全稳定运行，随着变电站数量的激增，继电保护装置也成数倍增长，人为监测所有继电保护装置已经不再可行。
[0003]由于继电保护状态装置和信号复杂繁多，存在继电保护装置信息上送不全和信息不准确的情况，为主站通过单纯信号监测继电保护装置带来挑战，因此，亟需对继电保护装置运行状态进行多模态信号建模和分析，实现继电保护装置状态的准确监测。

技术实现思路

[0004]本专利技术为了解决上述问题，提供了一种基于双确认的继电保护装置状态监测方法，采用基于图像识别和数据信号判别双确认的继电保护装置状态监测方法，提高了变电站继电保护装置监测的准确率。
[0005]本专利技术采用的技术方案是，提供了一种基于双确认的继电保护装置状态监测方法，所述方法包括以下步骤，
[0006]a、图像数据预处理
[0007]对现场采集的继电保护装置图像进行预处理，得到带有标记的继电保护装置图像；
[0008]b、继电保护装置状态图像识别
[0009]基于深度神经网络提取继电保护装置状态图像特征，识别装置运行状态；
[0010]c、继电保护装置状态预测
[0011]通过继电保护装置属性信息和气象信息预测继电保护装置状态；
[0012]d、继电保护装置状态双确认
[0013]通过继电保护装置状态图像识别信息和继电保护装置状态预测信息同时对继电保护装置状态进行确认，判断继电保护装置是否正常运行。
[0014]所述步骤a中预处理方法包括图像裁剪、图像去噪和图像标记，图像裁剪对继电保护装置图像中无关因素进行剪切，图像去噪采用多次图像拍摄求取图像平均值克服光线不好及图像模糊的问题，图像标记通过人工标记图像中的继电保护装置状态。
[0015]所述步骤b中识别继电保护装置运行状态的方法具体是采用深层次改进卷积神经网络VGG模型建立继电保护装置状态识别模型，为使网络满足分类要求并且在减少参数的同时防止网络过拟合，需要对部分网络结构进行调整，采用512个神经元的全连接层代替第
一层全连接层，用含有256个神经元的全连接层代替第二层全连接层，用含有10个神经元的全连接层代替第三层全连接层，softmax函数输出对应继电保护装置状态。
[0016]所述步骤c中预测继电保护装置状态的具体方法是通过获取继电保护装置历史运行数据和气象数据，采用机器学习算法挖掘历史运行数据和气象数据，基于数据驱动模拟各输入变量与继电保护状态间的内在联系，采用长短期记忆网络(LSTM)训练输入变量与输出变量的内在联系，根据输入变量快速预测出继电保护装置状态。
[0017]所述输入变量包括生产厂家、投产时长、继电保护装置类型、家族缺陷、温度、湿度、气压、降雨量、光照强度和风速。
[0018]本专利技术的有益效果是，本专利技术提出了基于图像识别和数据信号判别双确认的继电保护装置状态监测方法，通过图像状态和监测信号两方面信息对继电保护装置状态进行检测，提高了变电站继电保护装置监测的准确率，对保障电网安全稳定运行具有重要意义。
具体实施方式
[0019]一种基于双确认的继电保护装置状态监测方法，包括如下步骤：
[0020]a、图像数据预处理
[0021]预处理方法包括图像裁剪、图像去噪、图像标记等，图像裁剪对继电保护装置图像中无关因素进行剪切，图像去噪采用多次图像拍摄求取图像平均值克服光线不好及图像模糊的问题，图像标记通过人工标记图像中的继电保护装置状态，通过上述预处理方法得到带有标记的保护装置图像。
[0022]b、继电保护装置状态图像识别
[0023]采用深层次改进卷积神经网络VGG模型建立继电保护装置状态识别模型，为使网络满足分类要求并且在减少参数的同时防止网络过拟合，需要对部分网络结构进行调整，采用512个神经元的全连接层代替第一层全连接层，用含有256个神经元的全连接层代替第二层全连接层，用含有10个神经元的全连接层代替第三层全连接层，softmax函数输出对应继电保护装置状态。
[0024]卷积层通过对输入图像的卷积运算进行特征提取，并以特征矩阵的形式向下传递，其中卷积运算是卷积核与特征矩阵线性运算的过程，其计算公式如下：
[0025]y
conv
＝f(w*matrix+b)
[0026]其中，y
conv
表示卷积结果，w表示卷积核，matrix表示特征矩阵，b表示卷积操作偏置值，f表示卷积层使用的激活函数，这里使用Relu激活函数，激活函数引入非线性因素，在一定程度上减少过拟合现象，Relu激活函数表达式如下：
[0027][0028]池化层对图像的特征进一步抽取，达到减少参数的目的，本文使用最大池化计算方式，采样窗口为2
×
2，步长为2，计算公式如下：
[0029]f
pool
＝max(x
m，n
，x
m+1，n
，x
m，n+1
，x
m+1，n+1
)
[0030]其中，f
pool
表示最大池化后结果，x
m，n
，x
m+1，n
，x
m，n+1
，x
m+1，n+1
表示采样窗口对应的四个参数，m,n的最大值分别为输入矩阵的长和宽，最大池化操作就是选定池化窗口中最大值作为运算结果。
[0031]通过多次的卷积池化操作后，图像的特征被抽取出，后使用全连接进行分类，最后使用softmax分类器将分类结果转化为概率分布进行输出，将k种分类的训练样本构成的样本集T表示式如下：
[0032]T＝{(x
(1)
，y
(1)
)，...，(x
(N)
，y
(N)
)}
[0033]x
(i)
为输入样本，x
(i)
∈{1，2，...，N}，y
(i)
为分类标签，y
(i)
∈{1，2，...，N}。i为不同的类别，计算该标签为第i类概率值的计算公式为：
[0034]P(y＝i|x)(i＝1,2,......k)
[0035]得到样本对应某一类别的概率，将其定义为假设函数，其公式如下：
[0036][0037]其中，θ为分类器模型参数，其中，θ为分类器模型参数，为对概率数据归一化处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双确认的继电保护装置状态监测方法，其特征在于：所述方法包括以下步骤，a、图像数据预处理对现场采集的继电保护装置图像进行预处理，得到带有标记的继电保护装置图像；b、继电保护装置状态图像识别基于深度神经网络提取继电保护装置状态图像特征，识别装置运行状态；c、继电保护装置状态预测通过继电保护装置属性信息和气象信息预测继电保护装置状态；d、继电保护装置状态双确认通过继电保护装置状态图像识别信息和继电保护装置状态预测信息同时对继电保护装置状态进行确认，判断继电保护装置是否正常运行。2.根据权利要求1所述的一种基于双确认的继电保护装置状态监测方法，其特征在于：所述步骤a中预处理方法包括图像裁剪、图像去噪和图像标记，图像裁剪对继电保护装置图像中无关因素进行剪切，图像去噪采用多次图像拍摄求取图像平均值克服光线不好及图像模糊的问题，图像标记通过人工标记图像中的继电保护装置状态。3.根据权利要求1所述的一种基于双确认的继电保护装置状态监测方法，其特征在于：所述步骤b中识别继电保护装置运行状态的方法具体...

【专利技术属性】
技术研发人员：齐蓬勃，王国荣，李凡，徐军，弋富国，马效国，陈彪，陈玉明，孙伟，耿帆帆，
申请(专利权)人：国网宁夏电力有限公司固原供电公司，
类型：发明
国别省市：