[发明专利]一种基于深度神经网络的配电网工况录波分类方法

权利要求书

1.一种基于深度神经网络的配电网工况分类方法，其特征在于：所述配电网工况分类方法包括：

对工况录波进行波形预处理以获得预处理波形；

构建包含卷积层区域和全连接区域的深度神经网络工况分类器框架；

利用超参数生成器生成多个深度神经网络模型，使用工况录波分类数据集对该多个深度神经网络模型分别训练以获得最优深度神经网络工况分类器模型；所述工况录波分类数据集包含短路、接地、停电、复电、大负荷投入、大负荷切出和雷击7种工况的每种工况的不少于5000个数据；所述最优深度神经网络工况分类器模型的卷积层区域包含卷积块Ⅰ、卷积块Ⅱ和卷积块Ⅲ；卷积块Ⅰ为单通道的双层卷积层，其中第一卷积层的卷积核的宽和长为1×3，个数为8，第二卷积层的卷积核的宽和长为1×3，个数为16；卷积块Ⅰ的输出结果输入卷积块Ⅱ；卷积块Ⅱ设置为具有三通道的卷积层，其通道a为双层卷积层，其中第一卷积层的卷积核的宽和长为1×2，个数为16，第二卷积层的卷积核的宽和长为1×3，个数为32；通道b为双层卷积层，其中第一卷积层的卷积核的宽和长为1×3，个数为32，第二卷积层的卷积核的宽和长为1×3，个数为32；通道c为三层卷积层，其中第一卷积层的卷积核的宽和长为1×3，个数为16，第二卷积层的卷积核的宽和长为1×4，个数为16，第三卷积层的卷积核的宽和长为1×3，个数为32，将卷积块Ⅱ三个通道的结果取和输入卷积块Ⅲ；卷积块Ⅲ设置为具有8个通道的卷积层，其每个通道均有双层卷积层构成，其中第一卷积层的卷积核的宽和长为1×3，个数为32，第二卷积层的卷积核的宽和长为1×3，个数为64；

将预处理波形输入最优深度神经网络工况分类器模型以获得该工况录波的工况类型，所述工况类型为短路、接地、停电、复电、大负荷投入、大负荷切出和雷击之一。

2.根据权利要求1所述的配电网工况分类方法，其特征在于，所述波形预处理包括对工况录波的波形截取和对工况录波所截取的波形区段进行降采样处理或插值处理，所述波形截取方法可以是二次差分法、滑动窗口傅里叶变换法或小波变换法。

3.根据权利要求1所述的配电网工况分类方法，其特征在于，所述卷积层区域中的卷积块之间设置有残量连接，所述残量连接是指将一个卷积块的输入和输出取和，并将取和结果作为输入传递至下一卷积块。