[发明专利]一种低压集抄故障的检测方法及装置

说明书

本申请公开了一种低压集抄故障的检测方法及装置，方法包括：根据集抄系统故障建立故障断面特征向量，选取的一定数量故障断面特征向量与故障原因的对应关系构建训练集；通过训练集对CAEs模型训练得到CAEs故障深层特征向量提取模型，将训练集故障深层特征向量输入到XGboost进行训练得到XGboost故障诊断模型；接着通过训练好的CAEs故障深层特征向量提取模型对系统实时故障断面特征向量进行提取得到故障深层特征向量，并输入到性能稳定、泛化能力强的决策树模型XGboost故障诊断模型进行故障识别得到集抄系统的故障原因，从而达到准确且快速研判低压集抄故障的效果，解决了现有技术依靠人工经验对低压集抄的故障进行分析，导致无法准确且快速地判断出故障原因的技术问题。

技术领域

本申请涉及电力技术领域，尤其涉及一种低压集抄故障的检测方法及装置。

背景技术

随着智能电网的不断发展，集抄系统得到了广泛的应用。集抄系统通过信道远程抄读用户电能表信息，是保证电费正确核收等业务的基础，对于电网运营精细化管理具有重大意义。集抄系统包括计量自动化主站、低压集抄设备以及电能表等层级组成，每一层级涉及的设备数量众多、类型繁杂、厂家各异。主站-集中器-采集器-电能表等不同设备层级存在多种通信模块、组网方式以及运行特征，导致集抄系统设备故障形式及其原因多种多样，出现的故障特征多样且特征间的关联关系复杂，给低压集抄运维与故障处理带来较大难度。

现阶段的低压集抄运维主要依靠人工经验对低压集抄的故障进行分析，工作量大、运维效率低，而且缺乏统一、科学规范的快速判断故障的辅助研判方法，导致无法准确且快速地判断出故障原因。

发明内容

本申请实施例提供了一种低压集抄故障的检测方法及装置，用于解决现有技术主要依靠人工经验对低压集抄的故障进行分析，导致无法准确且快速地判断出故障原因的技术问题。

有鉴于此，本申请第一方面提供了一种低压集抄故障的检测方法，所述方法包括：

对集抄系统中的各模块出现的故障，定义对应的模块故障特征向量，根据所述模块的状态对所述模块的故障特征状态量进行赋值后，得到所述集抄系统的故障断面特征向量；

根据所述故障断面特征向量与故障原因的对应关系建立训练集，将所述训练集输入到CAEs模型进行训练，得到训练集故障深层特征向量和CAEs故障深层特征向量提取模型，所述CAEs模型由多个卷积自编器堆叠而成；

将所述训练集故障深层特征向量输入到XGboost进行训练，得到XGboost故障诊断模型；

基于所述CAEs故障深层特征向量提取模型，对所述集抄系统的实时故障断面特征向量进行提取，得到故障深层特征向量；

将所述故障深层特征向量输入到所述XGboost故障诊断模型进行故障识别，输出所述集抄系统的故障原因。

可选地，所述根据所述模块的状态对所述模块的故障特征状态量进行赋值，具体包括：

判断所述模块是否处于正常状态，若是，将所述模块的故障特征状态量赋值为“0”，否则，将所述模块的故障特征状态量赋值为“1”。

可选地，所述将所述训练集输入到CAEs模型进行训练，得到训练集故障深层特征向量和CAEs故障深层特征向量提取模型，具体包括：

将所述训练集输入到CAEs模型进行训练，输出所述训练集故障深层特征向量；

通过随机梯度下降法计算所述CAEs模型的卷积核参数，并根据卷积核参数更新方程对卷积核参数进行更新，当获得最优卷积核参数时，得到所述CAEs故障深层特征向量提取模型。

可选地，所述将所述训练集故障深层特征向量输入到XGboost进行训练，得到XGboost故障诊断模型，具体包括：