[发明专利]一种配电网故障预测的方法

权利要求书

1.一种配电网故障预测的方法，其特征在于，包括如下步骤：

S1、设置训练用配电网；

S2、调控训练用配电网的故障类型和对应的环境条件；

S3、将调控后的故障类型所具有的特征输入至训练用模型，并将具有该特征的故障类型标记为故障F；

S4、构建深度学习模型；

S5、将深度学习模型与待检测配电网连接，利用深度学习模型检测配电网的故障情况；

S6、统计配电网的故障情况及发生故障时的环境条件；

S7、根据环境条件对配电网的故障情况进行预测。

2.根据权利要求1所述的一种配电网故障预测的方法，其特征在于，故障类型包括自然故障和人为故障，自然故障包括电线短路故障、电线断路故障、配电电压器故障、绝缘子破裂故障和电缆头爆炸故障，人为故障包括车辆撞击电线杆故障、导线悬挂异物故障、基建施工导致的故障、动物危害造成的故障和盗窃导致的故障。

3.根据权利要求2所述的一种配电网故障预测的方法，其特征在于，将自然故障和人为故障中的多个故障类型按照F1、F2、……、FN顺序依次进行标号。

4.根据权利要求1所述的一种配电网故障预测的方法，其特征在于，故障发生时的环境条件包括天气条件和时间条件；天气条件包括雨、雪、风、冰雹、龙卷风和地震，以及各种条件对应的等级，还包括故障发生时的温度；时间条件为故障发生的时间，时间条件按照周期和季节进行统计，周期包括天、周、月、季度和年度，季节包括春季、夏季、秋季和冬季。

5.根据权利要求1所述的一种配电网故障预测的方法，其特征在于，在构建完毕深度学习模型后，输入环境条件，验证深度学习模型的检测准确度，当检测准确度低于95％时，进行数据反馈，继续训练深度学习模型，直至检测准确度达到或超过95％。

6.根据权利要求1所述的一种配电网故障预测的方法，其特征在于，还包括S8、将对配电网进行故障预测的结果在显示屏上进行显示，并对配电网运维人员进行报警。

7.根据权利要求6所述的一种配电网故障预测的方法，其特征在于，还包括S9、在运维人员消除配电网故障后，重置预测到的配电网故障数据。

8.根据权利要求1所述的一种配电网故障预测的系统，其特征在于，包括：

训练用配电网；

故障调控模块：用于调控训练用配电网的故障类型和对应的环境条件；

深度学习模型构建模块：将调控后的故障类型所具有的特征输入至训练用模型，并将具有该特征的故障类型标记为故障F；

深度学习模型：将深度学习模型与待检测配电网连接，利用深度学习模型检测配电网的故障情况；

检测结果统计模块：与深度学习模型通讯连接，统计配电网的故障情况及发生故障时的环境条件；

故障预测模块：与检测结果统计模块通讯连接，用于根据环境条件对配电网的故障情况进行预测。

9.根据权利要求8所述的一种配电网故障预测的系统，其特征在于，还包括：

天气记录模块：与深度学习模型构建模块通讯连接，用于记录故障发生时的天气条件，天气条件包括雨、雪、风、冰雹、龙卷风和地震，以及各种条件对应的等级，还包括故障发生时的温度；

时间记录模块：与深度学习模型构建模块通讯连接，用于记录故障发生的时间，时间条件按照周期和季节进行统计，周期包括天、周、月、季度和年度，季节包括春季、夏季、秋季和冬季。

10.根据权利要求8所述的一种配电网故障预测的系统，其特征在于，还包括验证模块，验证模块与深度学习模块通讯连接，在构建完毕深度学习模型后，输入环境条件，利用验证模块验证深度学习模型的检测准确度，当检测准确度低于95％时，进行数据反馈，继续训练深度学习模型，直至检测准确度达到或超过95％。