[发明专利]基于1D V-net深度学习模型的电压暂降分析方法

权利要求书

1.基于1D V-net深度学习模型的电压暂降分析方法，其特征在于，具体按照以下步骤实施：

步骤1、结合待检测的电力网络系统，对工况种类进行编号，在电力网络系统在不同工况下，分别改变电力网络系统中短路容量、接地电阻、持续时间、起止时刻、负荷容量、线路阻抗，采集每种运行工况下的母线电压数据，作为每种工况下电压暂降样本数据；

步骤2、通过电压暂降样本数计算每种工况下的电压均方根值，若该电压均方根值下降为额定值的10％～90％，则将该电压及对应的工况形成一组电压暂降数据样本A，同时电压暂降的起止时刻进行标注，将该持续时间内的电压采样数据值标记为0，其余采样数据值标记为1；

步骤3、将所有的电压暂降数据样本按照工况种类编号进行标注，结合电压暂降的起止时刻，形成多组电压暂降数据样本B；

步骤4、将多组电压暂降数据样本B按照7：2：1划分为训练样本集：验证样本集：测试样本集；

步骤5、构建1D V-net深度学习模型的模型结构；

步骤6、采用训练样本集对1D V-net深度学习模型进行离线训练；

步骤7、结合验证样本集中的数据，对步骤6训练完成后获得的1D V-net深度学习模型进行性能分析，评估模型过拟合情况及模型泛化能力，得到最优的1D V-net深度学习模型；

步骤8、将测试样本集数据输入最优的1D V-net深度学习模型，对训练完成后获得的模型进行测试；评估模型泛化能力，若不满足要求时则将该模型重新进行训练；

步骤9、使用经测试后且具有良好模型泛化能力的1D V-net深度学习模型进行在线应用，确定电压暂降扰动类型及起止时刻。

2.根据权利要求1所述基于1D V-net深度学习模型的电压暂降分析方法，其特征在于，步骤1中所述工况种类包括电动机启动、变压器投切、单相短路、两相短路和三相短路，所述对工况种类进行编号即为对电动机启动、变压器投切、单相短路、两相短路和三相短路依次标记为编号1～5。

3.根据权利要求1所述基于1D V-net深度学习模型的电压暂降分析方法，其特征在于，步骤2中所述通过电压暂降样本数计算每种工况下的电压均方根值具体过程为：

根据如下公式(1)计算经步骤1采集到的电压数据的均方根值：

其中，N为每个周期采集的数据点数，x₁，x₂，x₃，……，x_N依次为每个周期内的各采样数据点所对应的数据值。