[发明专利]一种多跳D2D组网下的配电网故障检测方法及系统

权利要求书

1.一种多跳D2D组网下的配电网故障检测方法，其特征在于，包括以下步骤：

步骤S1:获取配电网在一个给定时间周期内的数据流；

步骤S2:将得到的数据流传送到通信网络边缘,计算相应的特征矢量，并利用边缘服务器中的计算和存储资源对相关数据进行实时分析，得到训练数据；

步骤S3:构建DBN模型，并基于训练数据训练，得到训练后的DBN模型；

步骤S4:根据训练后的DBN模型，将训练数据划分为异常特征和正常特征；

步骤S5:将得到的异常特征数据按照时间标识进行分类，并采用LSTM网络识别出异常特征属于哪一类配电网故障。

2.根据权利要求1所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述步骤S2采用多跳D2D组网将得到的数据流传送到通信网络边缘。

3.根据权利要求1所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述DBN由若干RBM组成，将每个台区的智能电表收集到的用电数据输入到DBN的输入层，经第一个RBM训练后，输入层数据被映射到第一个隐藏层，该隐藏层的输出会作为下一个隐藏层的输入；最后一层RBM的输出即是DBN的输出，经DBN进行体征提取后的数据会被输送到故障检测器中。

4.根据权利要求3所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述RBM由一层可见神经元和一层隐藏神经元组成的无向神经网络模型；其中可见层和隐藏层的神经元之间是无连接的。

5.根据权利要求3所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述RBM在训练过程中，在把一条数据x赋给可见层后，RBM会根据权值决定开启或者关闭隐藏层神经元，具体为：根据激励函数计算每个隐藏层神经元的激励值，然后将该激励值使用S形函数归一化，变成处于开启状态的概率值，然后将该值和一个从[0,1]均匀分布中抽取的随机值进行比较，决定开启还是关闭相应的隐藏层神经元。

6.根据权利要求5所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述S形函数采用Logistic函数作为S形函数将激励值进行归一化：

其中x表示根据激励函数计算出的隐藏层神经元的激励值。

7.根据权利要求3所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述RBM在训练过程中，权重值的更新方法如下：

W←W+λP(h⁽⁰⁾＝1|v⁽⁰⁾)v^(0)T-P(h⁽¹⁾＝1|v⁽¹⁾)v^(1)T

其中参数λ用来调整更新速度，h⁽⁰⁾为使用可见层向量v⁽⁰⁾计算出的隐藏层神经元被开启的概率，使用h⁽⁰⁾重构可见层向量v⁽⁰⁾得到v⁽¹⁾，h⁽¹⁾为使用重构后的可见层向量v⁽¹⁾计算出的隐藏层神经元被开启的概率。

8.根据权利要求1所述的一种多跳D2D组网下的配电网故障检测方法，其特征在于，所述LSTM网络具体为：

c_t＝f_t⊙c_t-1+i_t⊙g_t

h_t＝o_t⊙tanh(c_t)

其中，i_t为输入门，f_t为遗忘门，o_t为输出门，g_t决定了输入有多少保存到单元状态中，c_t为记忆单元，，h_t-1为隐藏状态，⊙矢量元素依次相乘，σ表示激活函数sigmoid。

9.一种多跳D2D组网下的配电网故障检测系统，其特征在于，包括依次连接的配电网信息收集器、异常特征监测器和故障检测器；

所述配电网信息收集器，用于将配电网在一个给定时间周期内的数据流使用多跳D2D组网传送到通信网络边缘，计算相应的特征矢量，并利用边缘服务器中的计算和存储资源对相关数据进行实时分析；

所述异常特征监测器，用于将训练数据划分为异常或正常特征；

所述故障检测器接收从异常特征监测器传送来的异常特征数据，并将它们按照时间标识进行分类，识别出异常特征属于哪一类配电网故障。