[发明专利]一种鲁棒半监督网络的配电网故障分析方法

说明书

本发明公开了一种鲁棒半监督网络的配电网故障分析方法，包括：采集配电网故障录波数据并进行预处理；基于典型网络和半监督学习构建鲁棒半监督原型网络分类器，根据分类器以及预处理后的数据对配电网故障进行识别及分类；根据识别分类结果确定故障发生的根本原因，完成配电网故障分析。本发明避免了由于标记数据和未标记数据分布不同而导致的性能下降，选取的未标记样本可以使数据空间更加密集，有利于特征提取；模型对干扰具有较强的鲁棒性，并使模型具有更好的泛化性能，并可以更好地对新的类进行分类。

技术领域

本发明涉及故障分析的技术领域，尤其涉及一种鲁棒半监督网络的配电网故障分析方法。

背景技术

配电网是将电力从配电系统输送给个人消费者的最后阶段，其安全和稳定的运行与每个消费者的利益直接相关。传统方案主要利用分布式数字故障记录器记录的故障电流和电压波形对配电网的故障根源进行了分类，一方面，准确快速的故障原因分类可为配电系统操作员(DSO)提供有用信息，缩小搜索区域，有效减少处理故障的时间，防止故障进一步扩展，另一方面，历史故障分析有助于故障预测和寻找配电网的薄弱环节，为制定更有效的维护计划提供了依据。然而，配电网中的故障原因分类是一个具有挑战性的问题，首先，该机制还不清楚，目前还没有快速、准确的手工分类方法；其次，由于缺乏标记数据(手工标记的带有根本故障原因的错误波形)，机器学习方法很难获得高精度和良好的泛化性能；第三，配网结构越来越复杂，在运行过程中可能不断发现新的故障类别，这需要分类器在线更新并扩展到新的类；然而，大多数现有的分类器都无法识别以前从未见过的类。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的技术问题是：传统技术方案没有快速、准确的分工手法，由于缺乏标记数据，机器学习方法很难获得高精度和良好的泛化性能，大多数现有的分类器都无法识别以前从未见过的类。

为解决上述技术问题，本发明提供如下技术方案：采集配电网故障录波数据并进行预处理；基于典型网络和半监督学习构建鲁棒半监督原型网络分类器，根据所述分类器以及预处理后的数据对配电网故障进行识别及分类；根据识别分类结果确定故障发生的根本原因，完成配电网故障分析。

作为本发明所述的鲁棒半监督网络的配电网故障分析方法的一种优选方案，其中：所述配电网故障录波数据包括三相电流、中性点电流、三相电压。

作为本发明所述的鲁棒半监督网络的配电网故障分析方法的一种优选方案，其中：所述预处理过程包括，对所采集的数据进行数据清洗、数据变换以及数集合成；对已知故障信息进行标记。

作为本发明所述的鲁棒半监督网络的配电网故障分析方法的一种优选方案，其中：构建所述鲁棒半监督原型网络分类器包括，构建鲁棒半监督原型网络模型；生成训练集，对鲁棒半监督原型网络模型进行训练；当出现未标记的新类别故障时，所述鲁棒半监督原型网络模型根据故障信息进行在线微调，并基于所述新类别故障生成新的分类器。

作为本发明所述的鲁棒半监督网络的配电网故障分析方法的一种优选方案，其中：利用所述训练集对鲁棒半监督原型网络模型进行训练包括，采用未标记的数据和已知类别的标记数据来训练所述鲁棒半监督原型网络模型并获得学习的模型函数θT、T以及决策半径函数g。

作为本发明所述的鲁棒半监督网络的配电网故障分析方法的一种优选方案，其中：进一步包括，生成包含支持集S、查询集Q、未标记集U的小训练集Episode，并初始化嵌入函数h(x；θ)，所述使用支持集S计算每个类别的原型pc：