[发明专利]电力系统故障方位判别方法、装置、终端设备及存储介质

权利要求书

1.一种电力系统故障方位判别方法，其特征在于，所述方法包括：

构建待检测电力系统的系统仿真模型，并获取所述待检测电力系统的故障数据集合；

对所述故障数据集合进行数据预处理，并根据处理结果获取电力训练数据集合与电力测试数据集合；

构建初始卷积神经网络模型，并根据所述电力训练数据集合对所述初始卷积神经网络模型进行训练，以获取待测试卷积神经网络模型；

将所述电力测试数据集合输入所述待测试卷积神经网络模型进行测试，在测试结果满足预设测试条件时，将所述待测试卷积神经网络模型作为待检测电力系统对应的故障测试模型；

根据所述故障测试模型对所述待检测电力系统进行故障方位判别。

2.如权利要求1所述的电力系统故障方位判别方法，其特征在于，所述构建待检测电力系统的系统仿真模型，并获取所述待检测电力系统的故障数据集合的步骤，具体包括：

获取待检测电力系统的系统类型，并根据所述系统类型建立系统仿真模型；

获取预设故障信息集合，并根据所述预设故障信息集合对所述系统仿真模型进行故障模拟；

检测故障模拟过程中产生的故障数据，以获取故障数据集合。

3.如权利要求2所述的电力系统故障方位判别方法，其特征在于，所述对所述故障数据集合进行数据预处理，并根据处理结果获取电力训练数据集合与电力测试数据集合的步骤，具体包括：

根据预设数值边界获取所述故障数据集合中的异常数据与正常数据，并对所述异常数据进行数值修正，以获取修正数据；

对所述修正数据与所述正常数据进行数据归一化处理，以获取故障数据集合预处理结果；

根据预设集合比例对所述故障数据集合预处理结果进行集合划分，以获取电力训练数据集合与电力测试数据集合。

4.如权利要求3所述的电力系统故障方位判别方法，其特征在于，所述构建初始卷积神经网络模型，并根据所述电力训练数据集合对所述初始卷积神经网络模型进行训练，以获取待测试卷积神经网络模型的步骤，具体包括：

构建一维卷积神经网络模型作为初始卷积神经网络模型，将所述电力训练数据集合输入所述初始卷积神经网络模型根据预设优化目标进行训练，以获取待测试卷积神经网络模型。

5.如权利要求4所述的电力系统故障方位判别方法，其特征在于，所述预设优化目标为以交叉熵损失函数最小化为目标。

6.如权利要求5所述的电力系统故障方位判别方法，其特征在于，所述根据所述故障测试模型对所述待检测电力系统进行故障方位判别的步骤，具体包括：

获取待检测电力系统的当前运行数据，并将所述当前运行数据输入所述故障检测模型；

在输出结果为存在故障时，根据所述故障检测模型与所述系统仿真模型确定所述待检测电力系统的当前故障方位。

7.如权利要求6所述的电力系统故障方位判别方法，其特征在于，所述构建初始卷积神经网络模型，并根据所述电力训练数据集合对所述初始卷积神经网络模型进行训练，以获取待测试卷积神经网络模型的步骤之后，还包括：

将所述电力测试数据集合输入所述待测试卷积神经网络模型进行测试，在测试结果不满足预设测试条件时，对所述待测试卷积神经网络模型进行优化训练。

8.一种电力系统故障方位判别装置，其特征在于，所述装置包括：

第一模型构建模块，用于构建待检测电力系统的系统仿真模型，并获取所述待检测电力系统的故障数据集合；

数据处理模块，用于对所述故障数据集合进行数据预处理，并根据处理结果获取电力训练数据集合与电力测试数据集合；

第二模型构建模块，用于构建初始卷积神经网络模型，并根据所述电力训练数据集合对所述初始卷积神经网络模型进行训练，以获取待测试卷积神经网络模型；

模型测试模块，用于将所述电力测试数据集合输入所述待测试卷积神经网络模型进行测试，在测试结果满足预设测试条件时，将所述待测试卷积神经网络模型作为待检测电力系统对应的故障测试模型；

故障检测模块，用于根据所述故障测试模型对所述待检测电力系统进行故障方位判别。