CN113902946B 电力系统故障方位判别方法、装置、终端设备及存储介质 （武汉大学）

US2021048487A1,2021.0WO2016026355A1,2016.02电力系统的系统仿真模型，并获取故障数据集方法利用卷积神经网络模型快速判断电力系统2获取预设故障信息集合，并根据所述预设故障信息根据预设数值边界获取所述故障数据集合中的异常数据与正常对所述修正数据与所述正常数据进行数据归一化处理，以获根据预设集合比例对所述故障数据集合预处理结果进行集合划构建一维卷积神经网络模型作为初始卷积神经网络模将所述电力测试数据集合输入所述待测试卷积神经网络模型进行测根据所述故障测试模型对所述待检测电力系统进行故障方位判获取待检测电力系统的当前运行数据，并将所述当前运行数据输入所述故障测试模在输出结果为存在故障时，根据所述故障测试模型与所述系统将所述电力测试数据集合输入所述待测试卷积神经网络模型进行测试第一模型构建模块，用于获取待检测电力系统的系统类型，获取预设故障信息集合，并根据所述预设故障信息3数据处理模块，用于根据预设数值边界获取所述故障数据集对所述修正数据与所述正常数据进行数据归一化处理，以获根据预设集合比例对所述故障数据集合预处理结果进行集合划第二模型构建模块，用于构建一维卷积神经网络模型作为初训练的过程中采用Adam优化器来更新调模型测试模块，用于将所述电力测试数据集合输入所述待测试卷积故障检测模块，用于根据所述故障测试模型对所述待检测电力系统进行故障方位判程序配置为实现如权利要求1至3中任一项所述的电力系统故障方位判别述电力系统故障方位判别程序被处理器执行时实现如权利要求1至3任一项所述的电力系4故障的频率和风险也日益上升。配电网中的电路故障严重影响系统运行的稳定性和安全[0004]上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技56述电力系统故障方位判别程序配置为实现如上文所述的电力系统故障方位判别方法的步数据集合输入所述待测试卷积神经网络模型进行测试，在测试结果满足预设测试条件时，[0046]如图1所示，该终端设备可以包括：处理器1001，例如中央处理器(Central7通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccessMemory，RAM)存储器，也可以是稳定的非易失性存储器(Non-VolatileMemory，[0048]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模[0053]需要说明的是，所述系统仿真模型可以通过可视化仿真工具Simulink的进行构[0055]本实施例以所述待检测电力系统的系统类型为IEEE标准33节点为例进行说明(具8的过程中有可能会因为环境和操作问题导致记录的电路数据异常，这些数据点是不合理[0059]步骤S20具体包括：根据预设数值边界获取所述故障数据集合中的异常数据与正9制神经网络的2个输出值的加和为一，输出值将表示这2个类别中的每个类别出现的概率，可以将其作为故障测试模型。在本实施例的训练过程中，超参数设定可以为：批处理量[0088]参考图4，图4为本发明一种电力系统故障方位判别方法第二实施例的流程示意[0093]需要说明的是，所述系统仿真模型可以通过可视化仿真工具Simulink的进行构[0095]本实施例以所述待检测电力系统的系统类型为IEEE标准33节点为例进行说明(具的过程中有可能会因为环境和操作问题导致记录的电路数据异常，这些数据点是不合理述故障数据集合预处理结果进行集合划分，以获取电力训练数据集合与电力测试数据集制神经网络的2个输出值的加和为一，输出值将表示这2个类别中的每个类别出现的概率，可以将其作为故障测试模型。在本实施例的训练过程中，超参数设定可以为：批处理量述系统仿真模型确定所述待检测电力系统的出贡献的部分可以以软件产品的形式体现出来