[发明专利]一种基于深度学习理论的二次设备故障定位方法及系统

说明书

本公开公开的一种基于深度学习理论的二次故障定位方法及系统，包括：实时采集二次设备的状态信息；从状态信息中提取特征信息；根据特征信息进行二次设备故障判断；将发生故障的二次设备的特征信息输入训练好的故障定位模型中获取故障定位结果，其中，故障定位模型通过二次设备的历史故障信息对前馈全连接神经网络进行训练获得。实现了对二次设备故障的快速准确定位。

技术领域

本发明涉及电力系统保护技术领域，尤其涉及一种基于深度学习理论的二次设备故障定位方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

智能变电站在电力系统当中占有重要的作用，近年来，人们对智能变电站愈发重视。目前针对二次设备的故障识别中，数据量太大且缺乏有效手段分析故障，很多重要信息被遗漏无法进行二次设备精确的故障定位。同时，二次设备之间的连接方式复杂和故障特征信息在运行传输过程中可能出现丢失和畸变的情况，常规方法无法准确快速的处理故障信息，针对智能变电站的二次设备的故障定位的准确率和效率不高。因此，针对目前二次设备故障定位存在的各种问题，研究一种快速准确的二次设备故障定位方法成为了必要，具有较高的实用价值。

发明内容

本公开为了解决上述问题，提出了一种基于深度学习理论的二次设备故障定位方法及系统，通过基于前馈全连接神经网络建立的故障定位模型进行二次设备的故障定位，提高了二次故障定位的准确率和效率。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了一种基于深度学习理论的二次设备故障定位方法，包括：

实时采集二次设备的状态信息；

从状态信息中提取特征信息；

根据特征信息进行二次设备故障判断；

将发生故障的二次设备的特征信息输入训练好的故障定位模型中获取故障定位结果，其中，故障定位模型通过二次设备的历史故障信息对前馈全连接神经网络进行训练获得。

第二方面，提出了一种基于深度学习理论的二次设备故障定位系统，包括：

信息采集模块，用于实时采集二次设备的状态信息；

特征信息提取模块，用于从状态信息中提取特征信息；

故障判定模块，用于根据特征信息进行二次设备故障判断；

故障定位模块，用于将发生故障的二次设备的特征信息输入训练好的故障定位模型中获取故障定位结果，其中，故障定位模型通过二次设备的历史故障信息对前馈全连接神经网络进行训练获得。

第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种基于深度学习理论的二次设备故障定位方法所述的步骤。

第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种基于深度学习理论的二次设备故障定位方法所述的步骤。

与现有技术相比，本公开的有益效果为：

1、本公开在判断二次设备故障的基础上，还实现了二次设备的故障定位。

2、本公开通过前馈全连接神经网络建立了故障定位模型，通过该故障定位模型进行故障定位时，提高了二次设备故障定位的准确率和效率。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明