[发明专利]一种基于深度置信网络的电力系统故障辨识方法及装置

权利要求书

1.一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述方法包括：

在电力系统时域仿真软件中获得训练数据集，并对所述训练数据集进行故障信息标注；

基于所述获得训练数据集中的数据提取表征电力系统状态的特征数据，并对所述特征数据进行归一化处理；

将所述提取的特征数据和样本故障标注信息输入至待训练的深度置信网络中，并对所述待训练的深度置信网络进行训练，得到训练完成的深度置信网络；

当故障发生后，采集电力系统特征量输入至所述训练完成的深度置信网络中，得到对新故障的故障区域辨识的结果。

2.根据权利要求1所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述在电力系统时域仿真软件中获得训练数据集包括：

在电力系统时域仿真软件中，通过设置不同故障位置、故障类型、故障持续时间获得故障数据；

在电力系统时域仿真软件中，获得电力系统历史故障数据；

将所述故障数据和所述电力系统历史故障数据结合，获得训练数据集。

3.根据权利要求1所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述提取表征电力系统状态的特征数据包括：

系统初始时刻的系统有功负荷水平的特征数据、系统初始时刻的系统无功负荷水平的特征数据、系统初始时刻的系统有功出力水平的特征数据、系统初始时刻的系统无功出力水平的特征数据；

故障发生时刻的系统中发电机最大转角差的特征数据、故障发生时刻的系统中发电机最大角速度差的特征数据、故障发生时刻的系统中发电机最大动能差的特征数据、故障发生时刻的系统中发电机最大角速度的特征数据、故障发生时刻的系统中发电机最大加速功率的特征数据；

故障切除时刻的系统中发电机最大转角差的特征数据、故障切除时刻的系统中发电机最大角速度差的特征数据、故障切除时刻的系统中发电机最大动能差的特征数据、故障切除时刻的系统中发电机最大角速度的特征数据、故障切除时刻的系统中发电机最大加速功率的特征数据。

4.根据权利要求1所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述对所述特征数据进行归一化处理的具体计算公式如下：

其中，x′表示进行归一化处理后的数据；x表示进行归一化处理前的数据；x_max表示特征数据的最大值，x_min表示特征数据的最小值。

5.根据权利要求1所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述对所述待训练的深度置信网络进行训练包括：

通过无监督的预训练和有监督微调后，得到深度置信网络中各层的连接权重和偏置系数。

6.根据权利要求5所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述深度置信网络包括多层无监督的受限玻尔兹曼机和一层有监督的前馈神经网络。

7.根据权利要求6所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述多层无监督的受限玻尔兹曼机用于提取数据中的特征信息，预训练参数；

所述一层有监督的前馈神经网络用于全局参数优化和样本分类，微调参数。

8.根据权利要求1所述的一种基于深度置信网络的电力系统故障辨识方法，其特征在于，所述采集电力系统特征量包括：电力系统初始时刻的特征量、故障发生时刻的特征量、故障切除后的特征量。