[发明专利]基于WaveNet的多端直流输电线路故障诊断方法在审
申请号: | 202210106519.2 | 申请日: | 2022-01-28 |
公开(公告)号: | CN114580500A | 公开(公告)日: | 2022-06-03 |
发明(设计)人: | 邓亚平;张晓晖;席晓莉;贾颢 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 王奇 |
地址: | 710048 陕*** | 国省代码: | 陕西;61 |
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 wavenet 多端 直流 输电 线路 故障诊断 方法 | ||
1.基于WaveNet的多端直流输电线路故障诊断方法,其特征在于,具体按照如下步骤进行:
步骤1:采集多端柔性直流输电系统中的部分电压电流信号采集,其中,至少包括一条直流输电线路上的正极电压、负极电压、正极电流、负极电流,以及一条连接该直流输电线路的交流侧三相交流电压和交流电流;
步骤2:对步骤1中采集到的电压数据和电流数据进行归一化预处理,获得归一化预处理后的电压数据和电流数据;
步骤3:在多端柔性直流输电系统运行于不同工况的情形下,通过仿真手段或者收集实际系统运行历史数据,形成样本数据集;
步骤4:对样本数据集人工标注并划分为样本训练集、样本验证集、样本测试集;
步骤5:搭建WaveNet整体模型结构;
步骤6:对WaveNet模型使用步骤4的样本训练集进行模型的训练,获得训练完成后的WaveNet模型;
步骤7:对训练完成后的WaveNet模型,使用步骤4的样本验证集进行模型的过拟合判断;若出现过拟合则按照步骤6对WaveNet模型进行重新训练,直至未出现过拟合现象,得到最优WaveNet模型;
步骤8:对步骤7的最优WaveNet模型,使用步骤4的样本测试集进行模型的测试;
步骤9:将实时采集到的多端柔性直流输电系统中的电压数据和电流数据输入到步骤7所获得的最优WaveNet模型中,模型输出故障所在的线路编号;其中,电压数据和电流数据至少包括一条直流输电线路上的正极电压、负极电压、正极电流、负极电流,以及一条连接该直流输电线路的交流侧三相交流电压和交流电流。
2.根据权利要求1所述的基于WaveNet的多端直流输电线路故障诊断方法,其特征在于,步骤1中,部分电压电流信号采集具体为:通过结合多端柔性直流输电系统中安装的部分电压测量装置和电流测量装置,分别对多端柔性直流输电系统中的部分电压和部分电流进行信号采集。
3.根据权利要求1所述的基于WaveNet的多端直流输电线路故障诊断方法,其特征在于,步骤2具体为:对步骤1中采集到的电压数据和电流数据的幅值进行如下公式(1)的采样计算,并全部进行如下公式(2)的归一化,获得预处理数据;
其中,N为每个周期采集的数据点数,x1,x2,x3,……,xN依次为每个周期内的各采样数据点所对应的数据值;
其中,x*为归一化后的数据输出,x为原始采集到的数据,xmax为输入的样本数据中的最大值,xmin为输入的样本数据中的最小值。
4.根据权利要求1所述的基于WaveNet的多端直流输电线路故障诊断方法,其特征在于,步骤3中,不同工况包括有不同线路参数、不同负荷容量、不同系统阻抗、不同故障类型以及不同故障线路;其中,不同故障类型包括单相短路、两相短路以及三相短路;不同故障线路包括直流侧线路和交流侧线路。
5.根据权利要求1所述的基于WaveNet的多端直流输电线路故障诊断方法,其特征在于,步骤4具体为:对需要分析的多端柔性直流输电系统中的直流侧线路和交流侧线路进行编号1~m,对步骤3中的样本数据集进行标注,其中,每个样本数据包含一个输入项和一个输出项,输入项为步骤2中归一化预处理后的电压数据和电流数据;输出项为与输入项对应工况的线路编号;
对标注完成的样本数据集进行划分,其中的70%为样本训练集,20%为样本验证集,10%为样本测试集。
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西安理工大学,未经西安理工大学许可,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/202210106519.2/1.html,转载请声明来源钻瓜专利网。