[发明专利]一种低压电力载波异常信号检测方法

权利要求书

1.一种低压电力载波异常信号检测方法，其特征在于，包括：

信号采集，在所保护设备的供电电力线上采集电流以及电压信号原始数据；

分类模型训练，针对采集的数据建立训练集、验证集和测试集，设计卷积神经网络分类模型，将数据集输入到分类模型中，训练信号分类模型；

针对需要检测的信号数据，输入到训练好的的信号判别模型，判断信号的类别；

对识别出来的通信信号类型进行显示并报警。

2.如权利要求1所述的一种低压电力载波异常信号检测方法，其特征在于，采集新联数据时，分别采集FSK、SSB、PSK、BPSK、QPSK、PAM以及16QAM载波通信信号，以及无载波通信信号下，八种不同情况下的信号下的电压以及电流信号，并标记信号的类别。

3.如权利要求1所述一种低压电力载波异常信号检测方法，其特征在于，

所述分类模型训练步骤中，设计卷积神经网络信号分类模型，卷积神经网络的卷积层和池化层都由相应数量的特征矩阵构成，每个二维特征含有多个互不相连的独立神经元。

4.如权利要求3所述的一种低压电力载波异常信号检测方法，其特征在于，卷积神经网络层设计分为八层网络架构，第一层卷积层输出数据数目为63*63*16，第二层池化层输出数据数目为31*31*16，第三层卷积层输出数据数目为29*29*32，第四层不完全连接层输出数据数目为29*29*32，第五层池化层输出数据数目为14*14*32，第六层全连接层输出数据数目为6272，第七层全连接层输出数据数目为512，第八层全连接层输出数据数目为8，对应需要识别的8种信号。

5.如权利要求4所述的一种低压电力载波异常信号检测方法，其特征在于，采集来的低压交流电力线上的电流和电压信号，作为已经训练好的卷积神经网络分类模型的第一层输入，通过分类模型逐级逐层抽取数据的更高级本质特征，识别判断信号类型。