【技术实现步骤摘要】
故障类型检测模型的建立方法、装置、设备及介质
[0001]本专利技术涉及配电网
，尤其涉及故障类型检测模型的建立方法、装置、设备及介质。
技术介绍
[0002]电力作为现代工业和生活的基本需求之一，已经成为人们日常生活中不可或缺的重要能源。在电力传输和分配过程中，一旦发生故障，除了在短时间内造成停电甚至事故外，还会对电力系统的维护和管理带来不小的困难。尤其是在农村地区，由于其地域偏远、自然环境恶劣以及线路老化等因素，电网故障更加频繁和复杂。
[0003]目前，基于模型的方法对配电网故障定位的技术，需要大量的先验知识以及收集大量的实验数据，并不能快速精准的对配电网故障进行定位。
技术实现思路
[0004]本专利技术提供了一种故障类型检测模型的建立方法、装置、设备及介质，以提高对配电网故障定位的精度和效率。
[0005]根据本专利技术的一方面，提供了一种故障类型检测模型的建立方法，所述方法包括：
[0006]获取配电网检测区域内的开关状态数据；
[0007]根据所述开关状态数...
【技术保护点】
【技术特征摘要】
1.一种故障类型检测模型的建立方法，其特征在于，包括：获取配电网检测区域内的开关状态数据；根据所述开关状态数据，构建样本数据集；所述样本数据集中包括至少一个带有标准故障类别标签的开关样本数据；采用所述开关样本数据对预先构建的检测网络模型进行模型训练，直到满足预设的模型训练结束条件；其中，所述检测网络模型包括生成器模型和分类器模型；所述生成器模型用于生成模拟样本数据；所述分类器模型用于基于所述模拟样本数据和所述开关样本数据进行自身模型训练，得到所述开关样本数据分别对应的输出故障类别；将训练完成的检测网络模型作为故障类型检测模型。2.根据权利要求1所述的方法，其特征在于，所述采用所述开关样本数据对预先构建的检测网络模型进行模型训练，直到满足预设的模型训练结束条件，包括：将预先构建的随机噪声数据输入至所述检测网络模型中的生成器模型中，得到所述生成器模型输出的模拟样本数据；将所述模拟样本数据和所述开关样本数据输入至所述检测网络模型中的分类器模型中，得到所述分类器模型输出的开关样本数据分别对应的输出故障类别；根据所述开关样本数据的标准故障类别和所述输出故障类别，对所述分类器模型进行模型迭代训练，直到满足预设的模型训练结束条件。3.根据权利要求2所述的方法，其特征在于，所述生成器模型包括反卷积层、第一卷积层和注意力特征提取层；所述注意力特征提取层包括通道注意力特征提取层和空间注意力特征提取层；相应的，所述将预先构建的随机噪声数据输入至所述检测网络模型中的生成器模型中，得到所述生成器模型输出的模拟样本数据，包括：将所述随机噪声数据输入至所述生成器模型的反卷积层进行特征提取操作，得到所述反卷积层输出的第一提取特征参数；将所述第一提取特征参数输入至所述通道注意力特征提取层进行特征提取操作，得到通道注意力特征参数，将所述通道注意力特征参数输入至所述空间注意力特征提取层进行特征提取操作，得到空间注意力特征参数；将所述空间注意力特征参数输入至所述第一卷积层进行特征提取操作，得到所述第一卷积层输出的模拟样本数据。4.根据权利要求3所述的方法，其特征在于，所述通道注意力提取层包括第一最大池化层、第一平均池化层和共享网络层；所述共享网络层包括至少一个感知器；所述空间注意力特征提取层包括第二最大池化层、第二平均池化层和第二卷积层；相应的，所述将所述第一提取特征参数输入至所述通道注意力特征提取层进行特征提取操作，得到通道注意力特征参数，将所述通道注意力特征参数输入至所述空间注意力特征提取层进行特征提取操作，得到空间注意力特征参数，包括：将所述第一提取特征参数输入至所述第一最大池化层进行特征提取操作，得到第一最大池化特征参数，以及将所述第一提取特征参数输入至所述第一平均池化层进行特征提取操作，得到第一平均池化特征参数；
将所述第一最大池化特征参数和所述第一平均池化特征参数分别输入至所述共享网络层，由各所述感知器进行特征提取操作，得到通道注意力特征参数；将所述通道注意力特征参数输入至空间注意力特征提取层的第二最大池化层进行特征提取操作，得到第二最大池化特征参数；将所述第二最...
【专利技术属性】
技术研发人员：盘荣波，韩磊，雷敏，张名捷，单培发，赵耀鹏，黎阳羊，易志浩，植健，
申请(专利权)人：广东电网有限责任公司清远供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。