[发明专利]一种电网故障诊断方法、装置、设备及可读存储介质

说明书

本发明公开了一种电网故障诊断方法，一方面，在获取与电网对应的样本数据，并依据预定义规则确定出目标数据之后，为目标数据添加噪声信号以形成故障数据，也就是说该故障诊断方法考虑了噪声数据的影响，进而提高了电网故障诊断准确性；另一方面，在确定出故障数据之后，依据故障数据和样本数据中剩余的非故障数据构建SOM神经网络模型，并对SOM神经网络模型进行训练；最后根据训练后的SOM神经网络模型对电网故障进行诊断，因为SOM神经网络模型相比于现有技术中传统的BP神经网络模型，收敛速度较快，所以进一步提高了电网故障诊断准确性。另外，本发明还公开了一种电网故障诊断装置、设备及可读存储介质，效果如上。

技术领域

本发明涉电力系统应用领域，特别涉及一种电网故障诊断方法、装置、设备及可读存储介质。

背景技术

随着智能电网的逐步构建，电网的故障诊断问题也开始受到越来越多的关注，运维人员可以根据系统中显示的信息了解当前电网的运行状况，进而分析、定位和处理故障，因此根源故障的识别对电网的运维工作十分重要。近年来，基于人工智能的故障诊断算法已普遍应用于电网故障诊断中，旨在能准确分析并发现电网运行过程中出现的故障。

目前，主要通过构建BP神经网络模型对电网故障信息进行诊断，但是由于电网系统的网络数据量大，噪声数据较多，并且电网故障的故障类型较多，传统的BP神经网络模型收敛速度较慢，没有考虑噪声数据的影响，进而导致电网故障的诊断准确性较低。

由此可见，如何克服在对电网故障进行诊断时，诊断准确性低的问题是本领域技术人员亟待解决的问题。

发明内容

本申请实施例提供了一种电网故障诊断方法、装置、设备及可读存储介质，以解决现有技术中在对电网故障进行诊断时，诊断准确性低的问题。

为解决上述技术问题，本发明提供了一种电网故障诊断方法，包括：

获取与电网对应的样本数据，并依据预定义规则确定出目标数据；

为所述目标数据添加噪声信号以形成故障数据；

依据所述故障数据和非故障数据构建SOM神经网络模型，并对所述SOM 神经网络模型进行训练；

根据训练后的所述SOM神经网络模型对电网故障进行诊断；

其中，所述样本数据由所述故障数据和所述非故障数据构成。

优选地，在所述获取与电网对应的样本数据之后，还包括：

对所述样本数据进行规范化处理。

优选地，所述为所述目标数据添加噪声信号具体为：

为所述目标数据添加高斯噪声信号和置零噪声信号。

优选地，在所述依据所述故障数据和非故障数据构建SOM神经网络模型之后，还包括：

计算获胜神经元，并确定所述获胜神经元的邻域函数。

优选地，所述确定所述获胜神经元的邻域函数具体包括：

当邻域范围等于阈值时，所述邻域函数为柯西函数与高斯函数的符合函数；

当所述邻域范围大于所述阈值时，所述邻域函数为所述柯西函数；

当所述邻域范围小于所述阈值时，所述邻域函数为所述高斯函数。

优选地，所述根据训练后的所述SOM神经网络模型对电网故障进行诊断具体为：

依据训练后的所述SOM神经网络模型中的相似度函数对所述电网故障进行诊断。

为解决上述技术问题，本发明还提供了一种与电网故障诊断方法对应的装置，包括：