[发明专利]电力人工智能芯片及电力故障识别方法

说明书

本发明公开了一种电力人工智能芯片及电力故障识别方法，所述电力人工智能芯片，包括数据接口和NPU神经网络处理器，还包括ARM架构或者RSIC‑V指令集架构中的有且仅有一种架构，所述ARM架构或者RSIC‑V指令集架构用于提供芯片的运行环境；所述数据接口用于接收电力高频信号图谱并将该信号图谱传送给所述NPU神经网络处理器；所述NPU神经网络处理器内设有神经网络模型。本发明可以实时接收处理电力高频信号图谱，及时做出电力故障判断；适应各种电力故障情况的判断，并且神经网络对大数据处理能力强，电力故障识别准确性高。

技术领域

本发明属于电力故障识别技术领域，具体涉及一种电力人工智能芯片及电力故障识别方法。

背景技术

随着电力设备与大数据理论的发展，电力检测开始朝向智能化、精确化的方向前进。硬件方面各大厂商研发出各种智能化处理的芯片，但其大都运用于手机相机等方面，目前并没有专门针对电力故障识别方面的芯片出现，电力故障识别方面还是依赖于特定的检测设备或通过将电力信息采集后输送给主控中心分析判断，这些方式需要各种检测设备相配合并且故障识别滞后严重，无法及时判别故障问题，另外，电力故障的表现类型多种多样，主控中心需要分析大量的数据，精准性和识别效果一般比较差。因此有必要提出一种专门应用于电力方面的电力人工智能芯片及电力故障识别方法。

发明内容

本发明针对现有技术的状况，克服上述缺陷，提供一种电力人工智能芯片及电力故障识别方法。

本发明采用以下技术方案，所述电力人工智能芯片，包括数据接口和NPU神经网络处理器，还包括ARM架构或者RSIC-V指令集架构中的有且仅有一种架构，其中：

所述ARM架构或者RSIC-V指令集架构用于提供芯片的运行环境；

所述数据接口用于接收电力高频信号图谱并将该信号图谱传送给所述NPU神经网络处理器；

所述NPU神经网络处理器内设有神经网络模型，所述神经网络模型经大量电力故障信号图谱的训练后用于实时识别电力高频信号图谱的特征信息并经所述数据接口输出识别后的电力故障信息。作为上述技术方案的进一步改进，所述电力高频信号图谱为经外部设备采集预处理后的电力高频信息。

作为上述技术方案的进一步改进，所述神经网络模型采用Bp神经网络，所述Bp神经网络包括输入层、输出层以及隐含层。

作为上述技术方案的进一步改进，所述电力故障信息包括电力故障的名称、类别、发生时刻以及相对发生的时标。

本发明还提出电力人工智能芯片用于电力故障识别的方法，包括以下步骤：

步骤S1：训练NPU神经网络处理器中用于电力故障识别的神经网络模型；

步骤S2：数据接口接收电力高频信号图谱并传输给训练后的神经网络模型；

步骤S3：训练后的神经网络模型对电力高频信号图谱进行预处理；

步骤S4：训练后的神经网络模型对预处理后的电力高频信号图谱进行特征参数提取；

步骤S5：训练后的神经网络对特征参数进行匹配识别并输出电力故障信息。

作为上述技术方案的进一步改进，所述步骤S1进一步包括：

步骤S1.1：选择神经网络模型的为Bp神经网络，所述Bp神经网络包括输入层、输出层以及隐含层；

步骤S1.2：确定Bp神经网络的传递函数；

步骤S1.3：投入样本输入并计算实际输出与理想输出的误差；

步骤S1.4：按误差的梯度下降方法调整权矩阵；