[发明专利]一种基于深度学习算法的接地选线装置及方法

权利要求书

1.一种基于深度学习算法的接地选线装置，其特征在于包括：

采样模块，用于母线零序电压、各支路零序电流的采集并发送给启动模块及选线模块；

启动模块，用于判断是否发生接地故障；以及，

选线模块，用于在启动模块判断出发生接地故障时，将母线零序电压、各支路零序电流由深度卷积神经网络进行识别，选出故障线路。

2.一种基于深度学习算法的接地选线方法，其特征在于包括如下步骤：

步骤1，获取历史单相接地波形图像，截取接地瞬间故障的一段暂态波形，将零序电压和零序电流波形在同一个图像中显示，每条支路一个图像，进一步对图像进行压缩和灰度化；

步骤2，训练图像数据样本的标签为“0”代表非故障线路，“1”代表故障线路，将数据和标签文件做好标记，保存为TFRecord文件，作为输入数据，经过输入层，读取文件到卷积层，经过卷积池化和回归计算后，得到一个基本的模型结构，再通过反向传播算法将模型参数优化到最佳数值，做出分类结果；

步骤3，将训练好的模型导入到接地选线装置中；

步骤4，接地选线装置根据零序电压判断是否发生接地故障；

步骤5，当发生接地故障后，接地选线装置使用步骤1方法对波形图像进行处理，处理后的波形图像送入训练后的深度卷积神经网络进行识别，结果为“0”的图像为非故障线路，结果为“1”的图像代表故障线路。

3.如权利要求2所述的一种基于深度学习算法的接地选线方法，其特征在于：所述步骤1中，零序电压和零序电流波形在同一个图像中重叠显示。

4.如权利要求2所述的一种基于深度学习算法的接地选线方法，其特征在于：所述步骤2中，使用深度卷积神经网络进行训练和识别。

5.如权利要求2所述的一种基于深度学习算法的接地选线方法，其特征在于：所述步骤2中，在云服务器或PC中对神经网络进行训练。