一种配网保护装置的状态智能评估方法制造方法及图纸

本发明专利技术公开了一种配网保护装置的状态智能评估方法，包括：1、采集并归一化处理后的配网保护装置的电压信息；2、搭建配网保护装置的状态智能评估网络，包括：H层卷积层、一层全连接层、一层输出层；3、训练配网保护装置的状态智能评估网络；4、利用最优状态智能评估模型对实时采集的配网保护装置的电压信息进行判断，对配网保护装置的状态进行评估。本发明专利技术能准确且实时评估配网保护装置的状态，及时维修发生故障的配网保护装置，从而能确保配网能安全高效的运行。效的运行。

【技术实现步骤摘要】
一种配网保护装置的状态智能评估方法


[0001]本专利技术属于配网保护领域，具体的说是一种配网保护装置的状态智能评估方法。

技术介绍

[0002]配网具有电压等级多，网络结构复杂，设备类型多样，作业点多面广，安全环境相对较差等特点，安全风险因素相对较多，为了给各类用户提供电力能源，对配网的安全可靠运行提出更高的要求。配网保护装置可以保护配网，确保配网能够正常运行。当配网保护装置发生故障时，若不能及时维修故障的配网保护装置，就会影响配网正常运行。因此，需要准确且实时评估配网保护装置的状态，并维修发生故障的配网保护装置。目前大部分的配网保护装置的状态评估的方法仍然沿用传统思路，无法准确评估配网保护装置的状态。

技术实现思路

[0003]本专利技术是为了解决上述现有技术存在的不足之处，提出一种配网保护装置的状态智能评估方法，以期准确且实时评估配网保护装置的状态，及时维修发生故障的配网保护装置，从而确保配网能安全高效的运行。
[0004]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0005]本专利技术一种配网保护装置的状态智能评估方法的特点在于，包括：
[0006]步骤1、采集并归一化处理后的配网保护装置的电压信息记为U＝{U1,U2,...,U
m
,...,U
M
}，其中，U
m
表示第m个配网保护装置的电压信息，m＝1,2,...M；
[0007]步骤2、搭建配网保护装置的状态智能评估网络，包括：H层卷积层、一层全连接层、一层输出层；
[0008]H层卷积层中的第h层卷积层通过式(1)对第m个配网保护装置的电压信息U
m
进行卷积操作，得到第h层输出第m个卷积矩阵从而得到第H层卷积层输出的维度为K
×
K的第m个卷积矩阵
[0009][0010]式(1)中，表示第m个配网保护装置的电压信息U
m
在第h
‑
1层卷积层中的第i个卷积区域进行卷积处理后的电压信息；I表示卷积区域的数量；*表示卷积操作；表示第h层卷积层中第i个卷积区域的权值；表示第h层卷积层中第i个卷积区域的偏置；f是relu激活函数；h＝1,2,...,H；
[0011]一层全连接层通过式(2)对第m个卷积矩阵进行线性化运算，得到第m个维度为K
×
1的状态输出矩阵j
m
：
[0012][0013]式(2)中，j
m
＝[j
m,1
,j
m,2
,...,j
m,k
,...,j
m,K
]，j
m,k
表示状态输出矩阵j
m
中第k个状态
值，w
fc
表示全连接层的权重，b
fc
表示全连接层的偏置，且k＝1,2,...,K，K表示状态总数；
[0014]一层输出层通过式(3)得到第m个维度为K
×
1的输出矩阵out
m
：
[0015][0016]式(3)中，g
m
表示第m个评估概率因子，θ
(k)
表示配网保护装置中状态智能评估网络的第k个模型参数；且out
m
＝[out
m，1
,out
m，2
,...,out
m,k
,...,out
m,K
]，out
m,k
表示输出矩阵out
m
中第k个输出值；
[0017]步骤3、训练配网保护装置的状态智能评估网络；
[0018]步骤3.1、定义总训练步长为T；定义当前训练步长为t，并初始化t＝0；
[0019]定义w
h,t
为配网保护装置中状态智能评估网络的第t次训练下第h层卷积层的权重；b
h,t
为配网保护装置中状态智能评估网络的第t次训练下第h层卷积层的偏置，为配网保护装置中状态智能评估网络的第t次训练下全连接层的权重，为配网保护装置中状态智能评估网络的第t次训练下全连接层的偏置，为配网保护装置中状态智能评估网络的第t次训练下第k个模型参数，为配网保护装置中状态智能评估网络的第t次训练下第m个评估概率因子，并随机初始化w
h,t
、b
h,t
、
[0020]步骤3.2、所述配网保护装置中的状态智能评估网络按照步骤2的过程对电压信息U
m
进行第t次训练，得到第t次训练的第m个输出矩阵
[0021]步骤3.3、通过式(4)计算第t次训练下第m个损失函数
[0022][0023]式(4)中，表示配网保护装置中第t次训练下输出矩阵中第k个输出值，且且表示配网保护装置中第t次训练下输出矩阵的第k个输出值对应的标签值；当是输出矩阵中的最大值时，令否则，令则，令
[0024]步骤3.4、利用Adam优化器对所述配网保护装置的状态智能评估网络进行训练和更新，得到第t+1次训练下第h层卷积层权值w
t+1,h
、偏重b
t+1,h
，第t+1次训练下全连接层的权重偏置
[0025]步骤3.5、利用式(5)得到第t+1次训练下第k个模型参数
[0026][0027]式(5)中，
▽
表示梯度运算；
[0028]步骤3.6、利用式(6)得到第t+1次训练下第m个评估概率因子
[0029][0030]步骤3.7、将t+1赋值给t，并判断t＜T是否成立，若成立，执行步骤3.2；否则，表示配网保护装置的状态智能评估网络训练完成，得到包含第T次训练的第h层卷积层的权重w
h,T
，第T次训练的第h层卷积层的偏置b
h,T
，第T次训练的全连接层的权重第T次训练的全连接层的偏置第T次训练的K个模型参数第T次训练的第m个评估概率因子的最优状态智能评估模型；
[0031]步骤4、利用最优状态智能评估模型对实时采集的配网保护装置的电压信息进行判断，对配网保护装置的状态进行评估。
[0032]本专利技术一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述状态智能评估方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
[0033]本专利技术一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述状态智能评估方法的步骤。
[0034]与现有技术相比，本专利技术的有益效果在于：
[0035]1、本专利技术利用神经网络的自学习能力和容错能力，训练神经网络各层网络的参数，从而找到最优状态智能评估网络，可以对配网保护装置的状态进行准确评估。
[0036]2、本专利技术通过迭代、修正状态评估模型参数和概率准确因子，不断对状态智能评估模型进行修正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配网保护装置的状态智能评估方法，其特征在于，包括：步骤1、采集并归一化处理后的配网保护装置的电压信息记为U＝{U1,U2,...,U
m
,...,U
M
}，其中，U
m
表示第m个配网保护装置的电压信息，m＝1,2,...M；步骤2、搭建配网保护装置的状态智能评估网络，包括：H层卷积层、一层全连接层、一层输出层；H层卷积层中的第h层卷积层通过式(1)对第m个配网保护装置的电压信息U
m
进行卷积操作，得到第h层输出第m个卷积矩阵从而得到第H层卷积层输出的维度为K
×
K的第m个卷积矩阵积矩阵式(1)中，表示第m个配网保护装置的电压信息U
m
在第h
‑
1层卷积层中的第i个卷积区域进行卷积处理后的电压信息；I表示卷积区域的数量；*表示卷积操作；表示第h层卷积层中第i个卷积区域的权值；表示第h层卷积层中第i个卷积区域的偏置；f是relu激活函数；h＝1,2,...,H；一层全连接层通过式(2)对第m个卷积矩阵进行线性化运算，得到第m个维度为K
×
1的状态输出矩阵j
m
：式(2)中，j
m
＝[j
m,1
,j
m,2
,...,j
m,k
,...,j
m,K
]，j
m,k
表示状态输出矩阵j
m
中第k个状态值，w
fc
表示全连接层的权重，b
fc
表示全连接层的偏置，且k＝1,2,...,K，K表示状态总数；一层输出层通过式(3)得到第m个维度为K
×
1的输出矩阵out
m
：式(3)中，g
m
表示第m个评估概率因子，θ
(k)
表示配网保护装置中状态智能评估网络的第k个模型参数；且out
m
＝[out
m，1
,out
m，2
,...,out
m,k
,...,out
m,K
]，out
m,k
表示输出矩阵out
m
中第k个输出值；步骤3、训练配网保护装置的状态智能评估网络；步骤3.1、定义总训练步长为T；定义当前训练步长为t，并初始化t＝0；定义w
h,t

【专利技术属性】
技术研发人员：孙伟，王文浩，李奇越，李帷韬，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：