一种基于迁移学习的输电线路故障分类与定位方法技术

本发明专利技术提供一种基于迁移学习的输电线路故障分类与定位方法，涉及输电线路故障分类与定位领域，所述方法包括步骤1：基于PSS/E软件和Python接口模拟输电线路的故障数据；步骤2：利用大数据处理技术对故障数据进行预处理，构建故障数据集A；步骤3：基于故障数据集A构建深度学习的故障分类模型、故障定位模型以及故障选线模型；步骤4：基于故障分类模型、故障定位模型对故障数据集B进行迁移学习，完成实际输电线路的故障分类与定位；步骤5：对实际输电线路的故障分类与定位数据进行可视化处理，验证迁移学习的合理性。本发明专利技术解决了现有技术中输电线路故障分类和故障定位中存在的问题。电线路故障分类和故障定位中存在的问题。电线路故障分类和故障定位中存在的问题。

【技术实现步骤摘要】
一种基于迁移学习的输电线路故障分类与定位方法


[0001]本专利技术涉及输电线路故障分类与定位领域，特别是涉及一种基于迁移学习的输电线路故障分类与定位方法。

技术介绍

[0002]传统的输电线路故障分类方法有基于傅立叶变换、S
‑
变换、小波变换以及Clark变换的特征提取方法，这些方法的泛化能力弱，计算复杂，一定程度上依赖经验，难以发觉电网的时空数据的高维特征。而传统的机器学习方法如支持向量机、决策树、随机森林等准确率又不够高。传统的故障定位方法如单端双端行波法、单端双端故障分析法也存在泛化能力弱、准确度不够高的问题。这些传统方法大多基于数学物理模型，难以适应复杂度急剧增加的现代电网。
[0003]深度神经网络具有强大的拟合能力和泛化能力，直接以数据作为驱动，发掘数据内部高维的关联性。然而由于业界缺乏高质量的标签数据(带有故障类型和故障位置的数据)，很难快速将深度学习的方法应用于实际电力系统。带标签数据量不足以及数据分布不均衡成为制约深度学习在电网中大规模应用的最大障碍，因为深度学习的有效性建立在大数据上，足够多的样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的输电线路故障分类与定位方法，其特征在于，所述方法包括以下步骤：步骤1：基于PSS/E软件和Python接口模拟输电线路的故障数据；步骤2：利用大数据处理技术对故障数据进行预处理，构建故障数据集A；步骤3：基于故障数据集A构建深度学习的故障分类模型、故障定位模型以及故障选线模型；步骤4：基于故障分类模型、故障定位模型对故障数据集B进行迁移学习，完成实际输电线路的故障分类与定位；步骤5：对实际输电线路的故障分类与定位数据进行可视化处理，验证迁移学习的合理性。2.根据权利要求1所述的一种基于迁移学习的输电线路故障分类与定位方法，其特征在于：所述步骤1通过PSS/E软件和Python接口对四种故障条件下的四种故障类型进行动态仿真和显示，模拟生成输电线路的故障数据。3.根据权利要求2所述的一种基于迁移学习的输电线路故障分类与定位方法，其特征在于：所述四种故障条件包括：(1)不同的故障分支；(2)不同的故障类型；(3)不同的抗故障能力；(4)不同的故障距离；所述四种故障类型包括：(1)单相接地短路故障、(2)两相...

【专利技术属性】
技术研发人员：郑天晴，罗伯特才明邱，杨浩森，
申请(专利权)人：上海奥湾信息技术有限公司，
类型：发明
国别省市：