[发明专利]一种基于胶囊网络的输电线路故障类型判别方法及系统

说明书

本发明提出一种基于胶囊网络的输电线路故障类型判别方法及系统，通过获取大量PMU(Phasor Measurement Unit)数据，将PMU数据图形化生成雷达图；构建基于胶囊网络的输电线路故障类型判别模型，划分训练集与测试集，将训练集输入所述模型进行训练，提取图形化PMU数据的变化特征；将测试集输入训练好的模型进行测试，并将测试结果以混淆矩阵的形式进行分类输出；实现对输电线路故障类型的判别。本发明无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对图形化的PMU数据提取不同故障类型对应的特征。建模和模型修改过程简单易操作，将PMU数据图形化，节省计算资源，模型训练测试速度快，诊断准确率相对较高。

技术领域

本发明涉及电网故障诊断领域，更具体地，涉及一种基于胶囊网络的输电线路故障类型判别方法及系统。

背景技术

随着风能、太阳能等新能源以及柔性负荷、可控负荷、分布式电源等大规模接入电网，电网的复杂性和不确定性日益加剧。复杂电网和电力市场的发展带来明显经济效益的同时也对电网的安全提出了严峻的挑战。电网故障诊断是事故分析和事故处理的依据，是实现智能电网自愈功能的重要应用，对提高电网稳定性具有重要意义。

当前电网故障诊断主要分为基于规则的故障诊断和基于数据驱动的故障诊断。其中，基于规则的故障诊断方法有专家系统、信息融合、Petri网、解析模型等，基于数据驱动的故障诊断方法以神经网络为主，但是采用的神经网络多为3～4层结构，深度知识提取能力不足。

对于在线电网故障的诊断，现有的故障诊断技术在建模初期需要引入大量的保护和设备动作规则，建模过程和模型维护过程困难，通用性低。随着计算机技术和深度学习等人工智能技术的快速发展，由于深度学习有着优异的数据特征提取和学习能力，有效地利用数据进行电网故障诊断日益成为研究的热点。

发明内容

为了能够有效地利用现有的故障信息数据，提高故障类型判别的效率和准确率。本发明提出一种基于胶囊网络的输电线路故障类型判别方法，以输电线路图形化PMU(相量测量装置)数据作为分析对象，能够充分挖掘图形化PMU数据在故障前后和故障期间的变化特征，判断故障类型。本发明不以PMU数据本身作为分析对象，而是将PMU数据进行图形转化生成雷达图，基于胶囊网络优异的特征提取能力提取PMU数据雷达图在故障前后和故障期间的变化特征，最终进行故障分类以确定故障类型。

具体地，本发明的一种基于胶囊网络的输电线路故障类型判别方法，包括以下步骤：

S1：搭建电网仿真模型，设定模型参数和运行条件，获取输电线路故障时的相量测量装置PMU数据；

S2：对所述PMU数据选取特征量进行归一化处理后将PMU数据转化生成雷达图；

S3：构建基于胶囊网络的输电线路故障类型判别模型，随机划分训练集与测试集；

S4：通过训练集样本对模型进行训练，对PMU数据雷达图进行特征提取和学习，得到训练好的输电线路故障类型判别模型；

S5：将测试集输入训练好的输电线路故障类型判别模型中进行测试，采用测试后的模型进行输电线路故障类型的判别。

优选地，所述步骤S1包括：

基于电力系统仿真软件DIgSILENT搭建仿真模型，并根据电网实测潮流对模型进行潮流调整，提高模型准确度。

优选地，所述步骤S2包括：

选取输电线路的三相电压幅值、三相电流和零序电流幅值作为特征量，对选取的7个电气特征量进行归一化处理后将数值映射到[0，1]之间，然后设定图形区间为[-0.5，1.5]，隐藏相应的横纵坐标后将PMU数据转化为7维雷达图。

优选地，所述步骤S3中，