【技术实现步骤摘要】
本公开涉及故障检测，具体涉及一种配电网线路故障检测方法、装置、设备、介质及芯片。
技术介绍
1、随着开关的智能化，装配于配电网各段线路的开关能够感知到分支线路各处的电压、电流等实时参数，有的智能开关甚至还能对线路已经发生或者将要发生的故障进行识别判断。这些能力，使得对于配电网的管控水平大大提高。现有的配电网线路故障的判断方式是将测得的电气参数与预设的阈值进行比较，如果测量值超过阈值，则判断为线路故障，并利用开关进行保护动作，或者发出告警。由于配电网线路的拓扑常常会发生变化，并且当前配电网中，用户的负荷时时刻刻都在发生变化，随着风、光等新能源的接入，配电网中的电源功率也会不断变化，这些都使得难以仅靠一个预先设置的阈值作为故障判断的指示。
技术实现思路
1、为了解决相关技术中的问题，本公开实施例提供一种配电网线路故障检测方法、装置、设备、介质及芯片。
2、第一方面，本公开实施例中提供了配电网线路故障检测方法，包括：
3、获取配电网线路故障的历史数据；所述历史数据包括配电网中的n个开关测得的电气数据以及各个开关所构成的网络拓扑数据；其中，n为自然数；
4、为所述历史数据标注标签，并基于标注好的所述标签与对应的所述历史数据构建样本集；
5、利用所述样本集训练故障识别模型；
6、基于训练好的故障识别模型进行故障检测，并根据检测结果执行预设操作。
7、在本公开的一种实现方式中，所述为所述历史数据标注标签包括：
9、将所述第一字段与第二字段组成一个n维向量，作为该条历史数据对应的标签。
10、在本公开的一种实现方式中，所述配电网线路故障包括开关本身故障，开关所在配电网分支线路故障，配电网全网故障中的一种或几种。
11、在本公开的一种实现方式中，所述故障识别模型为神经网络模型；其中，所述神经网络模型包括多层图卷积层，下采样层，多层全连接层和输出层；每两层图卷积层之间设置所述下采样层。
12、在本公开的一种实现方式中，所述基于训练好的故障识别模型进行故障检测，并根据检测结果执行预设操作包括：
13、基于训练好的故障识别模型进行故障检测，输出需要进行开关开断操作的概率值；
14、若所述概率值在第一区间，则不执行开关开断操作；
15、若所述概率值在第二区间，则执行故障指示或者故障预警操作；
16、若所述概率值在第三区间，则执行开关开断操作。
17、在本公开的一种实现方式中，还包括：
18、获取配电网线路故障的实时数据；
19、为所述实时数据标注标签，并将标注好的所述标签与对应的所述实时数据加入到所述样本集中。
20、第二方面，本公开实施例中提供了配电网线路故障检测模块，包括：
21、获取模块，被配置为获取配电网线路故障的历史数据；所述历史数据包括配电网中的n个开关测得的电气数据以及各个开关所构成的网络拓扑数据；其中，n为自然数；
22、构建模块，被配置为为所述历史数据标注标签，并基于标注好的所述标签与对应的所述历史数据构建样本集；
23、训练模块，被配置为利用所述样本集训练故障识别模型；
24、故障检测模块，被配置为基于训练好的故障识别模型进行故障检测，并根据检测结果执行预设操作。
25、在本公开的一种实现方式中，所述配电网线路故障检测装置配置于配电网的开关中，或者包括开关的配电网设备中，或者包括配电网设备的系统中。
26、在本公开的一种实现方式中，所述构建模块中为所述历史数据标注标签的部分，被配置为：
27、若某条历史数据对应的配电网在对应时刻存在配电网线路故障，并且所述配电网线路故障导致第一数量的开关执行了保护操作，则为所述第一数量的开关标记第一字段，将其余数量的开关标记第二字段；
28、将所述第一字段与第二字段组成一个n维向量，作为该条历史数据对应的标签。
29、在本公开的一种实现方式中，所述配电网线路故障包括开关本身故障，开关所在配电网分支线路故障，配电网全网故障中的一种或几种。
30、在本公开的一种实现方式中，所述故障识别模型为神经网络模型；其中，所述神经网络模型包括多层图卷积层，下采样层，多层全连接层和输出层；每两层图卷积层之间设置所述下采样层。在本公开的一种实现方式中，所述故障检测模块包括：
31、检测单元，被配置为基于训练好的故障识别模型进行故障检测，输出需要进行开关开断操作的概率值；
32、第一执行单元，被配置为若所述概率值在第一区间，则不执行开关开断操作；
33、第二执行单元，被配置为若所述概率值在第二区间，则执行故障指示或者故障预警操作；
34、第三执行单元，被配置为若所述概率值在第三区间，则执行开关开断操作。
35、第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面任一项所述的方法。
36、第四方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面任一项所述的方法。
37、第五方面，本公开实施例提供了一种芯片，芯片包括处理器，该处理器用于调用存储器中的计算机程序，以执行上述配电网线路故障检测方法。
38、本公开实施例提供的技术效果可以包括以下有益效果：
39、根据本公开实施例提供的技术方案，配电网线路故障检测方法，获取配电网线路故障的历史数据；所述历史数据包括配电网中的n个开关测得的电气数据以及各个开关所构成的网络拓扑数据；其中，n为自然数；为所述历史数据标注标签，并基于标注好的所述标签与对应的所述历史数据构建样本集；利用所述样本集训练故障识别模型；基于训练好的故障识别模型进行故障检测，并根据检测结果执行预设操作。上述技术方案中基于电气数据、网络拓扑数据以及标签训练故障识别模型，并基于故障识别模型进行故障检测，能够动态地、高效地实现全局和局部的故障判断和提前预警，提升了配电网的智能化水平。
40、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本文档来自技高网...【技术保护点】
1.一种配电网线路故障检测方法，其特征在于，包括：
2.根据权利要求1所述的配电网线路故障检测方法，其特征在于，所述为所述历史数据标注标签包括：
3.根据权利要求2所述的配电网线路故障检测方法，其特征在于，所述配电网故障包括开关本身故障，开关所在配电网分支线路故障，配电网全网故障中的一种或几种。
4.根据权利要求1所述的配电网线路故障检测方法，其特征在于，所述故障识别模型为神经网络模型；其中，所述神经网络模型包括多层图卷积层，下采样层，多层全连接层和输出层；每两层图卷积层之间设置所述下采样层。
5.根据权利要求1所述的配电网线路故障检测方法，其特征在于，所述基于训练好的故障识别模型进行故障检测，并根据检测结果执行预设操作包括：
6.根据权利要求1所述的配电网线路故障检测方法，其特征在于，还包括：
7.一种配电网线路故障检测装置，其特征在于，包括：
8.根据权利要求7所述的配电网线路故障检测装置，其特征在于，所述配电网线路故障检测装置配置于配电网的开关中，或者包括开关的配电网设备中，或者包括配电网设
9.根据权利要求7所述的配电网线路故障检测装置，其特征在于，所述构建模块中为所述历史数据标注标签的部分，被配置为：
10.根据权利要求9所述的配电网线路故障检测装置，其特征在于，所述配电网线路故障包括开关本身故障，开关所在配电网分支线路故障，配电网全网故障中的一种或几种。
11.根据权利要求7所述的配电网线路故障检测装置，其特征在于，所述故障识别模型为神经网络模型；其中，所述神经网络模型包括多层图卷积层，下采样层，多层全连接层和输出层；每两层图卷积层之间设置所述下采样层。
12.根据权利要求7所述的配电网线路故障检测装置，其特征在于，所述故障检测模块包括：
13.一种电子设备，其特征在于，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-6中任一项所述的方法。
15.一种芯片，其特征在于，包括：至少一个处理器，用于实现如权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种配电网线路故障检测方法，其特征在于，包括：
2.根据权利要求1所述的配电网线路故障检测方法，其特征在于，所述为所述历史数据标注标签包括：
3.根据权利要求2所述的配电网线路故障检测方法，其特征在于，所述配电网故障包括开关本身故障，开关所在配电网分支线路故障，配电网全网故障中的一种或几种。
4.根据权利要求1所述的配电网线路故障检测方法，其特征在于，所述故障识别模型为神经网络模型；其中，所述神经网络模型包括多层图卷积层，下采样层，多层全连接层和输出层；每两层图卷积层之间设置所述下采样层。
5.根据权利要求1所述的配电网线路故障检测方法，其特征在于，所述基于训练好的故障识别模型进行故障检测，并根据检测结果执行预设操作包括：
6.根据权利要求1所述的配电网线路故障检测方法，其特征在于，还包括：
7.一种配电网线路故障检测装置，其特征在于，包括：
8.根据权利要求7所述的配电网线路故障检测装置，其特征在于，所述配电网线路故障检测装置配置于配电网的开关中，或者包括开关的配电网设备中，或者包括配电网设备的系统中。
9.根据权利要...
【专利技术属性】
技术研发人员：罗仲全，彭洁，刘敬之，闫涵，何倩，吕骥，郑利斌，李擘，贺金红，苏承志，方侃，杨洪易，马润生，范彩兄，白晖峰，霍超，张港红，苑佳楠，
申请(专利权)人：国网青海省电力公司，
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。