CN119395473A 一种低压配电台区故障检测方法、装置、设备及存储介质 （国网天津市电力公司城东供电分公司）

司门本申请公开了一种低压配电台区故障检测检测模型根据每个故障支路的故障点位置计算2确定待进行故障检测的低压配电台区，利用所述低压配电台区的待预测运行状态数将所述待预测特征集输入至馈线检测模型，以使所述馈线检测征集判断所述低压配电台区是否存在故障馈线并输出将所述故障支路集合包括的每个故障支路输入至类别检测模型，以使将所述故障支路集合包括的每个故障支路输入至距离检测模型，以使型根据每个所述故障支路的故障点位置计算每个所述故障支路对应的故障相对距离并输根据每个所述故障支路对应的故障场景和故障相对距离，生成故障2.根据权利要求1所述的方法，其特征在于，所述确定待进行故障检测的低压配电台基于深度神经网络为每个检测模型构建模型架构，并初始化每个获取所述低压配电台区的历史运行状态数据，按照预设特征按照预设划分比例对所述样本输入特征集进行划分，得到训练数据集、验采用所述训练数据集对每个所述检测模型进行模型训练，直至每个所述采用所述验证数据集对多个所述待验证检测模型进行优化，直至每个采用所述测试数据集对多个所述待测试检测模型进行测试，计算每个在每个所述待测试检测模型的预测准确率均满足预设准3对于任一检测模型，所述检测模型通过神经元的映射方程对输入所述;确定所述检测模型关联的真实数据，基于每个所述检测模型所述馈线检测模型、所述支路检测模型、所述分类检测模型的代价5.根据权利要求1所述的方法，其特征在于，所述确定待进行故障检测的低压配电台采用树结构的Parzen估计器对所述待预测运行状态数据进行特征选择，确定电流数对所述电压数据和所述电流数据进行插值处理，得到插值电压矩阵和插值电流矩阵，在所述电压数据中确定每个支路的支路电压数据和采集所述支路电压数据的电压传在所述电流数据中确定每个支路的支路电流数据和采集所述支路电流数据的电流传4对于所述故障支路集合中的每个故障支路，查询所述故障支路关联的实际支路总距根据所述实际故障距离和所述故障支路关联的故障场景生成故障确定模块，用于确定待进行故障检测的低压配电台区，第一检测模块，用于将所述待预测特征集输入至馈线检测模型型利用所述待预测特征集判断所述低压配电台区是否存在故障馈线并输出预第二检测模块，用于当所述预测结果指示存在故障馈线时第三检测模块，用于将所述故障支路集合包括的每个故障支路输入至类别检测模型，第四检测模块，用于将所述故障支路集合包括的每个故障支路输入至距离检测模型，以使所述距离检测模型根据每个所述故障支路的故障点位置计算每个所述故障支路对应生成模块，用于根据每个所述故障支路对应的故障场景处理器执行所述计算机程序时实现权利要求1至7中任一项所述方行时实现权利要求1至7中任一项所述的方5程度上依赖于巡检人员的个人经验和判断能力。不同的人员可能会有不同的理解和判断，测特征集判断所述低压配电台区是否存在故障馈当所述预测结果指示存在故障馈线时，将所述待预测特征集输入至支路检测模测模型根据每个所述故障支路的故障点位置计算每个所述故障支路对应的故障相对距离6史运行状态数据包括故障前的第一历史运行状态数据和故障后的第二历史运行状态数据，;7在所述电压数据中确定每个支路的支路电压数据和采集所述支路电压数据的电在所述电流数据中确定每个支路的支路电流数据和采集所述支路电流数据的电述故障预警信息发送至指定终端设备进行可8;9采集所述支路电压数据的电压传感器的位置，根据所述电压传感器的位置和预设插值数，程序被处理器执行时实现上述第一方面中任一项所述的距离检测模型根据每个故障支路的故障点位置计算每个故障支路对应的故障相对距离并[0022]上述说明仅是本申请技术方案的概述，为了能够更清楚图2示出了本申请实施例提供的一种低压配电台区故障检测方法的获得等间隔测图3示出了本申请实施例提供的一种低压配电台区故障检测方法的故障检测的过图4示出了本申请实施例提供的一种低压配电台区故障检测方法的具有两个隐藏动决策已经成为一种重要的手段。通过利用各种维度的运行数据进行大数据挖掘和分析，习和模拟复杂的函数映射。神经网络层数和每层神经元数共同决定了模型的容量和复杂流数据进行插值处理，得到插值电压矩阵和插值电流矩阵的过程如下述步骤121至124所121、在处理电压数据和电流数据时，通常需要进行插值处理以获得更精确的结[0044]对电压数据和电流数据进行插值处理，也就是在电压数据中确定每个支路的支路电压数据和采集支路电压数据的电压传感器的位置x'，电压传感器的位置xl，k为支路i的节点总数。根据电压传感器的位置x个等间隔位置矩阵的行数为k，n表示插值电压和电流的个数，而列数则为每个支路的实l为支路i的实际长度。个数。按照等间隔位置矩阵xlint将每个支路的插值电压值插入到每个支路的支路电压数感器的位置x根据电流传感器的位置x和预设插值数n，生成每个位置计算每个支路的插值电流值并按照等间隔位置矩阵将每个支路的插值电流值插入每个支路的支路电流数据中，得到低压配电台区的插值电流矩阵。模型权重参数趋于稳定。具体可以通过求解一个如下述公式2所示的一般优化问题来完成概率分布与实际标签的概率分布之间的差异来评估模型性能。通过最小化这一损失函数，的训练过程，避免陷入局部最小值，而自适应学习率则能够根据参数的梯度历史动态调整采用测试数据集对多个待测试检测模型进行测试，计算每个待测试检测模型的预测准确型根据每个故障支路的故障点位置计算每个故障支路对应的故障相对线检测模型利用所述待预测特征集判断所述低压配电台区是否存在故障馈线并输出预测该第三检测模块504，用于将所述故障支路集合包括的每个故障支路输入至类别该第四检测模块505，用于将所述故障支路集合包括的每个故障支路输入至距离该判断模块607，用于在每个所述待测试检测模型的预测准确率均满足预设准确;[0092]可选的，该实体设备还可以包括用户接口、网络接口、摄像头、射频（RadioFrequency，RF）电路，传感器、音频电路、WI_FI模块等等。用户接口可以包括显示屏模型根据每个故障支路的故障点位置计算每个故障支路对应的故障相对距离并输出。最通过预测出的故障类别和故障相对距离的详细信息，可以更合理地安排维修人员和设备，[0098]本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进领域的技术人员