[发明专利]配电网故障诊断方法、装置、设备及可读存储介质

权利要求书

1.一种配电网故障诊断方法，其特征在于，所述配电网故障诊断方法包括：

构建基础诊断网络，基础诊断网络包括卷积层、池化层、全连接层、激活函数、神经网络超参数以及softmax层；

在基础诊断网络中增加残差结构模块、批标准化层、ShuffleNet模块以及注意力模块得到待训练诊断网络；

对故障录波器收集到的故障电流信息进行预处理得到样本数据集；

通过样本数据集对待训练诊断网络进行训练，得到配电网故障诊断网络，训练过程中，将Focal Loss作为目标函数进行监督训练；

基于所述配电网故障诊断网络进行配电网故障诊断。

2.如权利要求1所述的配电网故障诊断方法，其特征在于，所述对故障录波器收集到的故障电流信息进行预处理得到样本数据集的步骤包括：

将故障录波器收集到的故障电流信息导入MATLAB软件中，使用max函数及for循环得到样本数据集，其中，一故障电流信息表示如下：

x＝[Time I_a I_b I_c FT FR FIA LV FL]

其中，I_a表示A相电流，I_b表示B相电流，I_c表示C相电流，FT表示故障类型，FR表示故障电阻，FIA表示故障初相角，LV表示负载大小，FL表示故障位置；

样本数据集表示如下：

其中，1至n为故障电流信息1至n的标号。

3.如权利要求1所述的配电网故障诊断方法，其特征在于，残差结构模块基于卷积层数量进行简化。

4.如权利要求1所述的配电网故障诊断方法，其特征在于，所述批标准化层用于将任意神经元的输入值分布规范化为一个标准的正态分布。

5.如权利要求1所述的配电网故障诊断方法，其特征在于，所述ShuffleNet模块为ShuffleNet_V2，ShuffleNet_V2在通道维度上将输入特征分割为两个分支，其中一个分支保持不变并进行相同的映射，而另一个分支以相同的输出和输入通道连续进行三次卷积。

6.如权利要求1所述的配电网故障诊断方法，其特征在于，所述注意力模块包括通道注意力模块，通道注意力模块首先进行最大池化操作，得到池化结果M_c，同时对每个通道进行平均池化操作，得到池化结果A_c，假定输入特征的通道数由c表示，将M_c和A_c分别输入全连接层，输出M_c'和A_c'，求和后输入sigmoid函数进行规范归一化，sigmoid函数输出结果为通道注意力。

7.如权利要求1所述的配电网故障诊断方法，其特征在于，所述注意力模块还包括空间注意力模块，空间注意力模块首先对每个通道进行最大池化操作，得到池化结果M_s，同时对每个通道进行平均池化操作，得到池化结果A_s，输入特征的长度由s表示，拼接池化结果[M_s,A_s]，对[M_s,A_s]进行卷积核大小为[1,7,2]，卷积核个数为1的卷积操作，将卷积结果输入sigmoid函数进行规范归一化，sigmoid函数输出结果为空间注意力。