[发明专利]基于网络拓扑及长时序信息的配电网工况录波分类方法有效
申请号: | 201711404581.5 | 申请日: | 2017-12-22 |
公开(公告)号: | CN108154223B | 公开(公告)日: | 2022-04-15 |
发明(设计)人: | 姚蔷;张建良;戴义波 | 申请(专利权)人: | 北京映翰通网络技术股份有限公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G01R31/00 |
代理公司: | 北京金智普华知识产权代理有限公司 11401 | 代理人: | 巴晓艳 |
地址: | 100102 北京市朝阳*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 网络 拓扑 时序 信息 配电网 工况 分类 方法 | ||
1.一种基于网络拓扑及长时序信息的配电网工况分类方法,其特征在于,所述配电网工况分类方法包括:
对多个配电网监测点的工况录波进行波形拼接;所述波形拼接是指根据广域对时技术对各监测点数据的采集时间点对齐并截取出波形的公共区段,然后按不同配电网监测点的网络拓扑关系按顺序拼接形成完整的各监测点同步数据;所述按顺序拼接是指以当前需判断的监测点录波数据为中心,依据网络拓扑结构将当前需判断监测点的前端监测点和后端监测点的录波拼接在该当前需判断的监测点录波数据的前后,而其他监测点的录波数据按照波形异常程度及网络拓扑结构排列在前端监测点或后端监测点附近;对拼接后的波形进行预处理以获得多个有效波形区域;
构建包含卷积层区域和长短时期记忆网络单元的多数据块输入深度神经网络框架,并根据该多数据块输入深度神经网络框架构建具有与其相同卷积层区域的单数据块输入深度神经网络框架;
利用超参数生成器生成多个单数据块输入深度神经网络模型,使用工况录波分类数据集对该多个单数据块输入深度神经网络模型分别训练以获得最优单数据块输入深度神经网络模型,并从该最优单数据块输入深度神经网络模型中提取卷积层区域的结构及参数;
利用该提取的卷积层区域的结构及参数初始化多数据块输入深度神经网络框架,利用超参数生成器生成多个多数据块输入深度神经网络模型,使用工况录波分类数据集对该多个多数据块输入深度神经网络模型分别训练以获得最优多数据块输入深度神经网络工况分类器模型;
将所述多个有效波形区域输入最优多数据块输入深度神经网络工况分类器模型以获得工况类型。
2.根据权利要求1所述的配电网工况分类方法,其特征在于,所述波形拼接是指根据广域对时技术对各配电网监测点的工况录波的采集时间点对齐并截取出波形的公共区段,然后按不同配电网监测点的网络拓扑关系按顺序拼接。
3.根据权利要求1所述的配电网工况分类方法,其特征在于,所述卷积层区域包含卷积块,所述卷积块的结构可以为双层卷积层叠加结构,或者为多通道的且每一通道由双层卷积层叠加的结构构成,或者为多通道的且每一通道包含1至3层卷积层的结构构成。
4.根据权利要求3所述的配电网工况分类方法,其特征在于,所述卷积层区域中的卷积块之间设置有残量连接,所述残量连接是指将一个卷积块的输入和输出取和,并将取和结果作为输入传递至下一卷积块。
5.根据权利要求1所述的配电网工况分类方法,其特征在于,所述工况录波分类数据集包括训练数据集、验证数据集和测试数据集,所述训练数据集、验证数据集和测试数据集包含短路、接地、停电、复电、大负荷投入、大负荷切出和雷击中至少一种的工况数据。
6.一种配电网工况分类装置,所述装置采用如权利要求1-5之一所述的配电网工况分类方法对配电网工况录波进行分类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京映翰通网络技术股份有限公司,未经北京映翰通网络技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711404581.5/1.html,转载请声明来源钻瓜专利网。