[发明专利]一种基于深度学习的电磁式电压互感器电压反算方法

权利要求书

1.一种基于深度学习的电磁式电压互感器电压反算方法，其特征在于，包括以下步骤：

1)采集待测电压互感器的二次侧电压数据。

2)建立所述LSTM电磁式电压互感器电压反算模型；

3)将待测电压互感器的二次侧电压数据输入到LSTM电磁式电压互感器电压反算模型中，计算得到待测电压互感器一次侧电压值。

2.根据权利要求1所述的基于LSTM模型的电压互感器端口电压反算方法，其特征在于，所述LSTM电磁式电压互感器电压反算模型包括输入层、隐藏层和输出层；输入门、输出门、遗忘门的激活函数是sigmoid函数；每个门都有sigmoid函数和按位乘操作；

所述输入层用于接收待测电压互感器的二次侧电压数据；

所述隐藏层包括若干记忆模块，每个记忆模块包括输入单元、输出单元、输入门、输出门、遗忘门、Ceil；输入单元、输出单元的激活函数为tanh函数；

所述输出层的激活函数为线性函数，输出层用于输出待测电压互感器的一次侧电压。

3.根据权利要求1所述的基于LSTM模型的电压互感器端口电压反算方法，其特征在于，所述LSTM电磁式电压互感器电压反算模型输入门i_t、遗忘门f_t、输出门o_t、单元激活向量c_t、隐藏层单元h_t分别如下所示：

式中，σ表示逻辑sigmoid函数；W_xi、W_hi、W_ci分别表示输入门与输入特征向量、输入门与隐藏层单元、输入门与单元激活向量之间的权重矩阵；W_xf、W_hf、W_cf分别表示遗忘门与输入特征向量、遗忘门与隐藏层单元、遗忘门与单元激活向量之间的权重矩阵，W_xo、W_ho、W_co分别表示输出门与输入特征向量、输出门与隐藏层单元、输出门与单元激活向量之间的权重矩阵；W_xc、W_hc分别表示单元激活向量与输入特征向量、单元激活向量与隐藏层单元之间的权重矩阵；t表示采样时刻；tanh为激活函数；b_i、b_f、b_c、b_o分别表示输入门、遗忘门、单元激活向量、输出门的偏差值；X_t表示输入。

4.根据权利要求1所述的基于LSTM模型的电压互感器端口电压反算方法，其特征在于，所述LSTM电磁式电压互感器电压反算模型由电压互感器端口电压训练数据集训练得到；所述电压互感器端口电压训练数据集中包括若干预处理后的电压互感器端口电压数据。

5.根据权利要求4所述的基于LSTM模型的电压互感器端口电压反算方法，其特征在于，采集电压互感器端口电压数据的步骤包括：

1)在电压互感器的一次侧并联阻容式分压，并对阻容式分压器二次侧信号进行高频采集，得到阻容式分压器二次侧信号；

将阻容式分压器二次侧信号乘以阻容分压器的变比，得到电压互感器的一次侧电压信号；

2)对电压互感器二次侧信号进行高频采集，得到电压互感器的二次侧电压数据；

3)在互感器一次侧施加典型过电压，并测量电压互感器的一次侧电压和二次侧电压；

4)改变过电压的波形参数和幅值，并返回步骤3)，获得若干组电压互感器端口电压数据。

6.根据权利要求5所述的基于LSTM模型的电压互感器端口电压反算方法，其特征在于，所述典型过电压包括标准雷电过电压、非标准雷电过电压、工频过电压、低频过电压、分频铁磁谐振过电压、高频铁磁谐振过电压、基频铁磁谐振过电压、弧光接地过电压、标准操作过电压。