[发明专利]输电线路故障检测方法、装置、计算机设备及存储介质

权利要求书

1.一种输电线路故障检测方法，其特征在于，所述方法包括：

获取电流信号波形图、电压信号波形图；

将所述电流信号波形图、所述电压信号波形图输入至CNN-LSTM混合神经网络中，通过所述CNN-LSTM混合神经网络中的电流故障判别器得到电流故障判别结果，并通过所述CNN-LSTM混合神经网络中的电压故障判别器得到电压故障判别结果；

基于DSmT理论，将所述电流故障判别结果、所述电压故障判别结果分别构建为辨识框架中的两个证据体，并分别计算所述辨识框架对于所述电流故障判别结果、所述电压故障判别结果的置信区间；

通过比例冲突再分配规则以及最大置信度分配原则，将所述电流故障判别结果、所述电压故障判别结果进行融合，得到故障检测结果。

2.根据权利要求1所述的输电线路故障检测方法，其特征在于，所述方法还包括：

采集电流信号波形样本图、电压信号波形样本图，并将所述电流信号波形样本图、所述电压信号波形样本图输入至CNN-LSTM混合神经网络模型中；

通过所述CNN-LSTM混合神经网络模型中的CNN层提取信号特征；

LSTM层从所述信号特征中学习正常及异常状态下的信号变化规律；

根据所述信号变化规律得到所述电流故障判别器、所述电压故障判别器。

3.根据权利要求2所述的输电线路故障检测方法，其特征在于，通过所述CNN-LSTM混合神经网络模型中的CNN层提取信号特征，包括：

通过CNN层采用卷积操作增加深度压缩参数数量，再通过池化减少特征，采用全连接层将特征转换为一维结构，得到所述信号特征。

4.根据权利要求3所述的输电线路故障检测方法，其特征在于，所述通过CNN层采用卷积操作增加深度压缩参数数量，包括：

采用一维卷积对所述电流信号波形样本图、所述电压信号波形样本图进行卷积操作；

其中，卷积层包括输入I和卷积核K；二维卷积定义为：S(i，j)＝(I*K)(i，j)＝∑_m∑_nI(m，n)K(i-m，j-n)，当m＝1时表示一维卷积；一维卷积的计算公式为：表示神经网络的卷积核，表示输入信号数据，b_ij表示函数的偏置向量，表示激活函数；

所述全连接层定义为：W^l表示上层和当前层之间的权重矩阵，y^l-1表示上层的特征矩阵，b^l是表示当前层的偏差。

5.根据权利要求2所述的输电线路故障检测方法，其特征在于，所述LSTM层中包含有遗忘门、输入门和输出门，定义公式分别为：I_t＝σ(W_i×X_t+Z_i×Y_t-1+b_i)、F_t＝σ(W_f×X_t+Z_f×Y_t-1+b_f)和O_t＝σ(W_o×X_t+Z_o×Y_t-1+b_o)；所述输入门的状态值介于0和1之间；

所述LSTM层的输入数据为：N_t＝th(W_t×X_t+Z_t×Y_t-1+b_t)，其中，th是tanh激活函数，W_t和Z_t表示权重矩阵，b_t表示输入偏置向量；

中间变量Mt为：M_t＝I_t×N_t，其中，×代表矩阵乘法；

所述LSTM层的单元信息Lt为：L_t＝M_t+F_t×L_t-1；输出状态Yt为：Y_t＝th(L_t)×O_t。