基于神经网络检测电网数据的方法及系统与流程

本申请涉及数据检测，尤其涉及一种基于神经网络检测电网数据的方法及系统。

背景技术：

1、随着电力系统网络的复杂化、扩大化和区域网互联趋势的到来，电力系统的行为将会越来越复杂。在此情况下，丰富详尽的现场实测数据无疑将具有越来越重要的价值。它们不仅是分析故障原因、检验继电保护动作行为的依据，也为电力工作者研究了解复杂系统的真实行为、发现其规律提供了宝贵资料。

2、随着网络通信技术的进步，电力系统的运行可靠性显著增强，但由于智能电网对数据通信的依赖，使其容易遭受多种恶意网络攻击，尤其是电网数据攻击，会影响电网的重要决策，从而对智能电网状态估计造成安全威胁，如何实时高效地检测电网数据，对于保障智能电网安全运行具有 重要 意义，因此，检测电网数据并正确、及时地处理故障数据，能够防止事故扩大，对保证现代电网可靠和安全的运行有着极其重要的意义。

技术实现思路

1、本申请实施例提供一种基于神经网络检测电网数据的方法，能够防止事故扩大，对保证现代电网可靠和安全的运行有着极其重要的意义。

2、为达到上述目的，本申请的实施例采用如下技术方案：

3、第一方面，提供了一种基于神经网络检测电网数据的方法，该方法包括：

4、在一种可能的实施方式中，所述步骤s1包括；

5、按4:1的比例将故障电网数据组划分为模型训练集和模型测试集。

6、在一种可能的实施方式中，设计所述步骤s2中cnn-gru神经网络模型的具体方法包括：

7、依次将卷积层、批归一化层、参数修正层、全局池化层、防止过拟合层、卷积门控循环层、全连接层、softmax分类器串联连接。

8、在一种可能的实施方式中，所述卷积层将处理好的电网数据集矩阵传送至批归一化层进行归一化处理，所述批归一化层将归一化处理后的数据传送至参数修正层进行去均值处理，所述参数修正层将结果输入全局池化层，根据数据量的大小进行池化操作，从而再次实现特征的降维，所述全局池化层将池化降维后的数据传输至防止过拟合层进行集成，所述防止过拟合层将集成后的数据传输至卷积门控循环层提取输入数据的时序特征，所述卷积门控循环层将提取时序特征后的数据传输至全连接层，并通过softmax分类器进行分类输出结果。

9、在一种可能的实施方式中，在全连接层之前加入50个卷积门控循环层，每个卷积门控循环层由更新门和重置门组成。

10、在一种可能的实施方式中，设计所述步骤s3中ssae-pnn模型的具体方法包括：

11、依次将输入层、隐藏层、连接层、概率神经网络层、求和层和输出层串联连接。

12、在一种可能的实施方式中，所述步骤s4包括：

13、使用cnn-gru神经网络模型中的softmax分类器对电网数据进行分类，当判断到故障数据时进行报警。

14、第二方面，提供了一种基于神经网络检测电网数据的系统，该系统包括采集模块，模型构建模块，降维模块和检测模块，其中：

15、采集模块，用于采集电网数据，对电网数据进行仿真处理，获取故障电网数据组并按比例划分为模型训练集和模型测试集，存储至数据库；

16、模型构建模块，用于构建cnn-gru神经网络模型，用模型训练集对cnn-gru神经网络模型进行训练，在cnn-gru神经网络模型中的特征提取模块对故障数据组进行特征提取，并根据提取结果不断调整cnn-gru神经网络模型，生成训练好的cnn-gru神经网络模型；

17、所述cnn-gru神经网络模型由卷积层、批归一化层、参数修正层、全局池化层、防止过拟合层、卷积门控循环层、全连接层、softmax分类器构成；

18、降维模块，用于将端实时采集的电网数据在ssae-pnn模型中进行降维；

19、检测模块，用于将降维后的电网数据作为输入，输入进训练好的cnn-gru神经网络模型中进行检测，当检测到故障数据时进行报警。

20、本申请实施例与现有技术相比，具有以下优点及有益效果：

21、（1）本申请实施例通过融合cnn和gru神经网络，减小原始数据规模，利用gru神经网络学习数据的内部动态变化规律，最后使用softmax分类器实现故障数据预测；

22、（2）本申请从检测方法角度，能够同时提取电网原始量测数据的空间和时间特征，从而提高对现有电网故障数据的检测准确率。

技术特征：

1.一种基于神经网络检测电网数据的方法，其特征在于，包括：

2.根据权利要求1所述的一种基于神经网络检测电网数据的方法，其特征在于，所述步骤s1包括；

3.根据权利要求1所述的一种基于神经网络检测电网数据的方法，其特征在于，设计所述步骤s2中cnn-gru神经网络模型的具体方法包括：

4.根据权利要求2所述的一种基于神经网络检测电网数据的方法，其特征在于，包括：

5.根据权利要求2所述的一种基于神经网络检测电网数据的方法，其特征在于，包括：

6.根据权利要求1所述的一种基于神经网络检测电网数据的方法，其特征在于，设计所述步骤s3中ssae-pnn模型的具体方法包括：

7.根据权利要求1所述的一种基于神经网络检测电网数据的方法，其特征在于，所述步骤s4包括：

8.一种基于神经网络检测电网数据的系统，其特征在于，包括采集模块，模型构建模块，降维模块和检测模块，其中：

技术总结
本申请实施例涉及数据检测技术领域，公开了一种基于神经网络检测电网数据的方法及系统，包括：步骤S1，基于终端采集电网数据，对电网数据进行仿真处理，获取故障电网数据组并按比例划分为模型训练集和模型测试集；步骤S2，构建CNN‑GRU神经网络模型，用模型训练集对神经网络模型进行训练，生成训练好的神经网络模型；神经网络模型由卷积层、批归一化层、参数修正层、全局池化层、防止过拟合层、卷积门控循环层、全连接层、分类器构成；步骤S3，终端实时采集电网数据并在SSAE‑PNN模型中进行降维；步骤S4，将降维后的电网数据作为输入，输入进训练好的CNN‑GRU神经网络模型中进行检测，进行报警。

技术研发人员：车顺龙
受保护的技术使用者：宿州市耀舱电子商务有限公司
技术研发日：
技术公布日：2024/1/13