智能输配电网故障预警管理系统及方法技术方案

本申请涉及智能预警技术领域，其具体地公开了一种智能输配电网故障预警管理系统及方法，其采用基于深度学习的人工智能检测技术，利用

【技术实现步骤摘要】
智能输配电网故障预警管理系统及方法


[0001]本申请涉及智能预警
，且更为具体地，涉及一种智能输配电网故障预警管理系统及方法
。

技术介绍

[0002]输配电网在实际生活中承担着输送和分配电能的任务
。
配电网从从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户，即将高压电能降低至方使运行又适合用户需要的各种电压，组成多层次的配电网，向各种用户供电
。
[0003]随着电网规模日渐扩大，电力系统的安全稳定运行对人们生活质量有着重要影响
。
但是，由于设备故障
、
天气条件
、
外部干扰
、
操作失误等多种原因可能会引起输配电网短路
、
过载等故障，为了确保输配电网的稳定运行，需要进行定期的设备检修和维护工作
。
而人工巡检的方式过于依赖工作人员的职业素养和个人能力，可靠性低，工作效率差
。
[0004]因此，期待一种智能输配电网故障预警管理系统及方法
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种智能输配电网故障预警管理系统及方法，其采用基于深度学习的人工智能检测技术，利用
Cl ip
模型从输配电网的电流信号中提取电流特征，并结合电流信号在时域与频域上的隐含特征来判断输配电网是否存在故障隐患
。
这样，能够对输配电网进行自动化的故障预警，从而及时采取措施进行修复，避免故障扩大或对电网造成更大的影响
。
[0006]相应地，根据本申请的一个方面，提供了一种智能输配电网故障预警管理系统，其包括：
[0007]电流信号接收模块，用于获取输配电网的电流信号；
[0008]频域统计特征提取模块，用于从所述输配电网的电流信号中提取多个频域统计特征值；
[0009]域变换模块，用于对所述输配电网的电流信号进行格拉姆角场转化以得到格拉姆角场图像；
[0010]图像编码模块，用于将所述格拉姆角场图像通过
Clip
模型的图像编码器以得到格拉姆角场特征向量；
[0011]频域统计特征编码模块，用于将所述多个频域统计特征值通过所述
Clip
模型的序列编码器以得到频域特征向量；
[0012]联合优化模块，用于使用所述
Clip
模型的联合编码器对所述频域特征向量和所述格拉姆角场特征向量进行关联编码以得到分类特征矩阵；
[0013]检测结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果为输配电网是否存在故障隐患
。
[0014]在上述智能输配电网故障预警管理系统中，所述频域统计特征提取模块，用于：使
用小波包分解从所述电流信号中提取所述多个频域特征统计值
。
[0015]在上述智能输配电网故障预警管理系统中，所述图像编码模块，用于：使用所述
Clip
模型的图像编码器的各层在层的正向传递中分别对输入数据进行：对输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于通道维度的各个特征矩阵的全局池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述
Clip
模型的图像编码器的最后一层的输出为所述格拉姆角场特征向量，所述
Clip
模型的图像编码器的第一层的输入为所述格拉姆角场图像
。
[0016]在上述智能输配电网故障预警管理系统中，所述频域统计特征编码模块，包括：排列单元，用于将所述多个频域统计特征值排列为输入向量；时序全连接单元，用于使用所述
Clip
模型的序列编码器的全连接层以如下全连接公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述全连接公式为：其中
X
是所述输入向量，
Y
是输出向量，
W
是权重矩阵，
B
是偏置向量，表示矩阵乘法；一维卷积编码单元，用于使用所述
Clip
模型的序列编码器的一维卷积层以如下一维卷积公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的关联的高维隐含关联特征，其中，所述一维卷积公式为：
[0017][0018]其中，
a
为一维卷积核在
x
方向上的宽度
、F(a)
为一维卷积核参数向量
、G(x
‑
a)
为与一维卷积核函数运算的局部向量矩阵，
w
为一维卷积核的尺寸，
X
表示所述输入向量，
Cov(X)
表示对所述输入向量进行一维卷积编码
。
[0019]在上述智能输配电网故障预警管理系统中，所述联合优化模块，包括：第一仿射密度计算单元，用于以如下第一仿射密度计算公式计算所述频域特征向量相对于所述格拉姆角场特征向量的第一仿射密度值，其中，所述第一仿射密度计算公式为：
[0020][0021]其中，
x1表示所述频域特征向量，
x2表示所述格拉姆角场特征向量
,
σ1表示第一高斯核函数的宽度参数，
‖
·
‖
表示范数函数，
exp
表示以
e
为底的指数函数，
d1表示第一仿射密度值；第二仿射密度计算单元，用于以如下第二仿射密度计算公式计算所述格拉姆角场特征向量相对于所述频域特征向量的第二仿射密度值，其中，所述第二仿射密度计算公式为：
[0022][0023]其中，
x1表示所述频域特征向量，
x2表示所述格拉姆角场特征向量
,
σ2表示第二高斯核函数的宽度参数，
‖
·
‖
表示范数函数，
exp
表示以
e
为底的指数函数，
d2表示第二仿射密度值；加权单元，用于以所述第一仿射密度值和所述第二仿射密度值作为权重分别对所述频域特征向量和所述格拉姆角场特征向量进行加权以得到加权后频域特征向量和加权后格拉姆角场特征向量；关联编码单元，用于对所述加权后频域特征向量和所述加权后格拉姆角场特征向量进行关联编码以得到所述分类特征矩阵
。
[0024]在上述智能输配电网故障预警管理系统中，所述检测结果生成模块，包括：矩阵展开单元，用于将所述分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到全连接编码特征向量；概率获得单元，用于将所述全连接编码特征向量通过所述分类器的
Softmax
分类函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能输配电网故障预警管理系统，其特征在于，包括：电流信号接收模块，用于获取输配电网的电流信号；频域统计特征提取模块，用于从所述输配电网的电流信号中提取多个频域统计特征值；域变换模块，用于对所述输配电网的电流信号进行格拉姆角场转化以得到格拉姆角场图像；图像编码模块，用于将所述格拉姆角场图像通过
Clip
模型的图像编码器以得到格拉姆角场特征向量；频域统计特征编码模块，用于将所述多个频域统计特征值通过所述
Clip
模型的序列编码器以得到频域特征向量；联合优化模块，用于使用所述
Clip
模型的联合编码器对所述频域特征向量和所述格拉姆角场特征向量进行关联编码以得到分类特征矩阵；检测结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果为输配电网是否存在故障隐患
。2.
根据权利要求1所述的智能输配电网故障预警管理系统，其特征在于，所述频域统计特征提取模块，用于：使用小波包分解从所述电流信号中提取所述多个频域特征统计值
。3.
根据权利要求2所述的智能输配电网故障预警管理系统，其特征在于，所述图像编码模块，用于：使用所述
Clip
模型的图像编码器的各层在层的正向传递中分别对输入数据进行：对输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于通道维度的各个特征矩阵的全局池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述
Clip
模型的图像编码器的最后一层的输出为所述格拉姆角场特征向量，所述
Clip
模型的图像编码器的第一层的输入为所述格拉姆角场图像
。4.
根据权利要求3所述的智能输配电网故障预警管理系统，其特征在于，所述频域统计特征编码模块，包括：排列单元，用于将所述多个频域统计特征值排列为输入向量；时序全连接单元，用于使用所述
Clip
模型的序列编码器的全连接层以如下全连接公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述全连接公式为：特征，其中，所述全连接公式为：其中
X
是所述输入向量，
Y
是输出向量，
W
是权重矩阵，
B
是偏置向量，表示矩阵乘法；一维卷积编码单元，用于使用所述
Clip
模型的序列编码器的一维卷积层以如下一维卷积公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的关联的高维隐含关联特征，其中，所述一维卷积公式为：
其中，
a
为一维卷积核在
x
方向上的宽度
、F(a)
为一维卷积核参数向量
、G(x
‑
a)
为与一维卷积核函数运算的局部向量矩阵，
w
为一维卷积核的尺寸，
X
表示所述输入向量，
Cov(X)
表示对所述输入向量进行一维卷积编码
。5.
根据权利要求4所述的智能输配电网故障预警管理系统，其特征在于，所述联合优化模块，包括：第一仿射密度计算单元，用于以如下第一仿射密度计算公式计算所述频域特征向量相对于所述格拉姆角场特征向量的第一仿射密度值，其中，所述第一仿射密度计算公式为：其中，
x1表示所述频域特征向量，
x2表示所述格拉姆角场特征向量
,
σ1表示第一高斯核函数的宽度参数，
‖
·
‖
表示范数函数，
exp
表示以
e
为底的指数函数，
d1表示第一仿射密度值；第二仿射密度计算单元，用于以如下第二仿射密度计算公式计算所述格拉姆角场特征向量相对于所述频域特征向量的第二仿射密度值，其中，所述第二仿射密度计算公式为：其中，
x1表示所述频域特征向量，
x2表示所述格拉姆角场特征向量
,
σ2表示第二高斯核函数的宽度参数，
‖
·
‖

【专利技术属性】
技术研发人员：王晓莉，张建阳，李强，
申请(专利权)人：湖州晓建智能科技有限公司，
类型：发明
国别省市：