[发明专利]基于卷积网络的新能源输电线路故障识别方法

权利要求书

1.一种基于卷积网络的新能源输电线路故障识别方法，其特征在于，包括步骤如下：

构建深度卷积网络和新能源输电线路仿真模型；新能源输电线路仿真模型用于模拟新能源电力系统输电线路的结构和故障；所述深度卷积网络中设有残差块，深度卷积网络用于识别新能源电力系统输电线路的故障类型；

使用新能源输电线路仿真模型对新能源电力系统输电线路的故障类型进行大量故障模拟，记录故障类型，将相应故障的三相电压、三相电流、零序电流数据作为样本；

将样本进行归一化形成训练数据；使用独热编码的方式将训练数据对应的故障类型设置标签；使用训练数据和标签对深度卷积网络进行预训练，直到深度卷积网络完成设定的训练周期；

在新能源电力系统输电线路发生故障时，采集其三相电压、三相电流、零序电流数据进行归一化后，输入经过预训练的深度卷积网络进行识别得到相应的故障类型。

2.根据权利要求1所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，所采集的三相电压、三相电流、零序电流数据，具体为发生故障前一周波至故障后三周波的三相电压、三相电流、零序电流的幅值数据。

3.根据权利要求1所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，所述深度卷积网络包括一个输入层、四个卷积层、两个池化层、两个全连接层、一个输出层，每一层均通过sigmoid激活函数实现非线性变换并传入下一层；

所述一个输入层、四个卷积层、两个池化层、两个全连接层、一个输出层之间相互连接的顺序为输入层、第一个卷积层、第二个卷积层、第一个池化层、第二个池化层、第三个卷积层、第四个卷积层、第一个全连接层、第二个全连接层、输出层；

第一个卷积层的输入通过一个Skip Connection连接到第二个卷积层的输出形成第一个残差块；第三个卷积层的输入通过另一个Skip Connection连接到第四个卷积层的输出形成第二个残差块；两个残差块均采用1×1卷积核。

4.根据权利要求3所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，预训练时，深度卷积网络的损失函数采用交叉熵损失函数，训练周期为120，学习率为0.01，采用的梯度下降的优化器为Adam优化算法器。

5.根据权利要求4所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，预训练时，若训练30周期内损失函数没有下降，则视为深度卷积网络提前完成预训练，然后停止对深度卷积网络的训练。

6.根据权利要求1所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，所述新能源输电线路仿真模型的结构包括直驱风机、光伏、同步机；

所述直驱风机、光伏、同步机先各自分别接入变压器形成供电端，所述供电端两两之间在所述变压器处通过输电线路相互电性连接，且每条输电线路上均分别设置有两级负载；同步机相对接入变压器的另一侧接地。

7.根据权利要求6所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，对标签进行独热编码时，对应设定的故障类型包括A相接地、B相接地、C相接地、AB两相短路接地、AC两相短路接地、BC两相短路接地、ABC三相短路接地、AB两相短路、AC两相短路、BC两相短路。

8.根据权利要求7所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，所述标签进行独热编码时，设置标签为1×10的数组，数组上的每一位各自分别表示一种故障类型，在出现相应故障类型时数组上对应的位置设为1，否则设为0。

9.根据权利要求8所述基于卷积网络的新能源输电线路故障识别方法，其特征在于，新能源输电线路仿真模型为通过软件系统搭建的虚拟仿真平台，或者新能源输电线路仿真模型为使用实物硬件设备搭建的试验平台。