[发明专利]基于卷积网络的新能源输电线路故障识别方法

说明书

本发明公开了一种基于卷积网络的新能源输电线路故障识别方法。该方法包括步骤构建深度卷积网络和新能源输电线路仿真模型；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；将样本进行归一化组合形成训练数据；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；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、零序电流数据输入经过预训练的深度卷积网络进行识别，得到相应的标签，然后根据标签独热编码的形式从中获取对应的故障类型。本发明仅需输电线路的三相电压、三相电流、零序电流数据，就能自动判断识别新能源输电线路的故障类型。

技术领域

本发明属于深度卷积网络的技术领域，具体涉及一种基于卷积网络的新能源输电线路故障识别方法。

背景技术

现有的电力系统中，新能源发电接入电网的比例相对偏低，因此造成当前针对新能源电力系统的输电线路故障识别方法的研究较少，现有技术大比例上仍是沿用传统的电流、电压突变量或序分量选相作为依据，再利用机器学习的方法进行分类后再做判别。

但是，新能源电力系统具有弱馈特性以及负序电流抑制等控制策略，且新能源电力系统中故障电流幅值受制于电力电子元件的耐受能力，幅值通常不大，光伏、风电等新能源的类型、运行工况、控制策略都会对故障电流、电压特征造成影响，将传统的识别依据和识别方式用在新能源电力系统的故障类型识别上极易造成误判。

发明内容

为了克服现有技术存在的一个或者多个缺陷与不足，本发明的目的在于提供一种基于卷积网络的新能源输电线路故障识别方法，用于对新能源电力系统的输电线路故障类型进行精确识别。

为了达到上述目的，本发明采用以下的技术方案。

一种基于卷积网络的新能源输电线路故障识别方法，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。

优选地，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。

优选地，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。

进一步地，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。