[发明专利]基于长短期记忆深度学习网络的配网线路停电鉴别方法

说明书

本发明公开了基于长短期记忆深度学习网络的配网线路停电鉴别方法，包括以下步骤：步骤1，在变电站采集设定时间范围内配电网各条配电线路的历史电流数据和历史停电信息；步骤2，将历史配电线路停电信息输入待训练的LSTM网络；步骤3，设定训练时长和次数，对历史配电线路停电信息进行机器学习；步骤4，在变电站采集待判断线路β的待判断时段电流信息、待判断时段前后一定时段内的电流信息，并按时序进行排列；步骤5，将时序排列后的电流信息输入训练完毕的LSTM网络，进行计算；步骤6，计算结果为“停电”的即线路在待判断时段发生停电事件。本发明不需要配电网其他电量信息，仅依靠电流信息可以可靠鉴别配电线路是否发生停电。

技术领域

本发明涉及一种配电网线路停电信息鉴别方法，具体为基于长短期记忆深度学习网络的配网线路停电鉴别方法。

背景技术

配电网是电力网络中与居民生活相关性最大的电网，随着居民生活水平的不断提高，用户对供电可靠性的要求也越来越高。为了满足用户的用电需求，电力公司普遍构建了配电网监测系统进行停电管理。但是由于配电网运行情况和网架结构复杂、线路和设备数量较多、广大地区线路情况监控和信息通道不可靠，当线路停电时，由于电容电流、支线停电等干扰，难以从在线监测系统的海量数据中准确可靠判断出线路停电情况。线路停电会严重影响用户用电可靠性。

随着人们对生活质量的重视，供电质量的管理要求越来越高。为了准确判断线路停电情况，对线路停电进行及时管理，有必要对线路停电进行甄别判断。由于配电网电气信息量较大，为了辨识的有效性、简易性和可实施性，研究停电信息鉴别技术十分必要。本发明仅利用配电线路电流信息的配网线路停电信息鉴别方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于长短期记忆深度学习网络的配网线路停电鉴别方法。针对配网停电信息的鉴别问题，线路电流信息是典型的时序序列，当线路停电时该序列会出现典型特征，长短期记忆深度学习网络能够从时序序列中提取历史数据特征，并根据学习结果判断线路停电信息情况，基于此构造停电信息鉴别依据。

本发明采用如下的技术方案。本发明提供了一种基于长短期记忆深度学习网络的配网线路停电鉴别方法，包括以下步骤：

步骤1，在变电站采集设定时间范围内配电网各条配电线路的历史电流数据和历史停电信息，形成历史配电线路停电信息；

步骤2，将历史配电线路停电信息输入待训练的LSTM网络；

步骤3，设定训练时长和训练次数，通过公式对历史配电线路停电信息进行机器学习，当训练次数达到设定值之后，训练结束，得到训练完毕的LSTM网络；

步骤4，在变电站采集待判断线路β的待判断时段电流信息、待判断时段前后一定时段内的电流信息，并按照时序进行排列；

步骤5，将时序排列后的电流信息输入训练完毕的LSTM网络，LSTM网络进行计算，通过公式计算得出待判断线路在待判断时段内是否发生停电；

步骤6，计算结果为“停电”的即线路在待判断时段发生停电事件。

优选地，步骤1中，以如下矩阵表示配电网历史信息数据，

式中：

以n表示配电网包含的线路数量，

以Li表示配电网中的第i条线路，i＝1,2,…,n，

以k表示配电网线路历史数据中包含的采样点数，

以t表示配电网线路历史数据的采样时刻，t＝1,2,…,k，

以I_Lit表示配电网第i条在t时刻的电流值，