基于多尺度CNN的输电线路隐患放电类型辨识方法及系统与流程

本发明涉及电力，特别是基于多尺度cnn的输电线路隐患放电类型辨识方法及系统。

背景技术：

1、随着我国经济快速发展及用电需求激增，电网规模越来越大，电力线路的架设距离越来越远。但是，在架空输电线路长期的运行中，可能出现绝缘子污秽、金具电位悬浮、树线距离不足等隐患，若线路隐患未及时消除，可能发展至线路跳闸故障。

2、在隐患放电发生后，需要尽快识别出隐患放电类型，为运维部门提供巡线参考，尽快清除输电线路隐患放电点。而目前对隐患放电的先验知识较少，一方面通过人工排查来分析放电波形的类型会造成人工负担太重，另一方面人工也很难对大量的输电线路隐患放电电流做出及时准确的判断。而使用输电线路隐患放电类型辨识模型可以快速自动地辨识出隐患放电的类型，为运维部门提供巡线参考，从而及时清除输电线路中的隐患，保障输电线路的安全稳定运行。

技术实现思路

1、鉴于上述在架空输电线路长期的运行中可能出现的故障问题提出了本发明。

2、因此，本发明所要解决的问题在于如何提供一种解决现有输电线路隐患放电分辨与查找效率低下的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了基于多尺度cnn的输电线路隐患放电类型辨识方法，其包括，从输电线路录波系统中提取历史隐患放电电流行波并进行数据处理；对隐患放电进行变分模态分解vmd，获取隐患放电的本证模态函数imfs；搭建基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型；将所述隐患放电的本证模态函数imfs输入到所述输电线路隐患放电类型辨识模型进行训练，得到训练后的输电线路隐患放电类型辨识模型；将输电线路实时监测到的隐患放电数据输入到所述训练后的输电线路隐患放电类型辨识模型中，得到隐患放电类型的实时辨识结果。

5、作为本发明所述基于多尺度cnn的输电线路隐患放电类型辨识方法的一种优选方案，其中：所述对隐患放电进行变分模态分解vmd，获取隐患放电的本证模态函数imfs包括以下步骤：通过变分模态分解vmd将输入信号f(t)分解为k个本证模态分量，表达式为：

6、

7、其中，uk为各本征模态分量，ak(t)为uk(t)的瞬时幅值，为瞬时相位；对各本征模态分量uk(t)进行希尔伯特变换，将中心频带调制到相应基频带，当各本征模态分量之和等于输入信号时，建立变分约束模型，表达式为：

8、

9、其中，其中δ(t)为冲激函数，ωk为各imf中心频率；对边分问题进行求解，表达式为：

10、

11、其中，α为二次惩罚因子，λ为拉格朗日乘子；应用交替方向乘子法admm交替更新各本征模态分量uk、ωk和拉格朗日乘子λ直至收敛。

12、作为本发明所述基于多尺度cnn的输电线路隐患放电类型辨识方法的一种优选方案，其中：所述基于多尺度卷积神经网络包括3个并行的不同尺度的卷积模块，每个模块由一个卷积层连接一个批归一化层，再经过一个卷积层与一个最大池化层构成。

13、作为本发明所述基于多尺度cnn的输电线路隐患放电类型辨识方法的一种优选方案，其中：所述搭建基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型包括以下步骤：对输入的隐患放电的本证模态函数imfs进行卷积运算；对第一次卷积运算的结果进行批归一化运算；批归一化运算后进行最大池化运算；通过融合函数进行连接操作，并经过softmax函数输出分类结果。

14、作为本发明所述基于多尺度cnn的输电线路隐患放电类型辨识方法的一种优选方案，其中：所述对输入的隐患放电的本证模态函数imfs进行卷积运算的计算过程如下：设代表着第l层的第i个卷积核，表示第l层的第j个局部区域，则卷积运算过程表示如下：

15、

16、其中，yl(i,j)代表核与其感受区域的点积，w表示卷积核的宽度，表示卷积核l在第j个区域中的权重。

17、作为本发明所述基于多尺度cnn的输电线路隐患放电类型辨识方法的一种优选方案，其中：所述进行批归一化运算的计算过程为：

18、

19、

20、

21、其中，dl(i,j)表示某个神经元的输出，μ和σ2分别是yl(i,j)的平均值与方差，ε为常数。

22、作为本发明所述基于多尺度cnn的输电线路隐患放电类型辨识方法的一种优选方案，其中：所述进行数据处理包括：从输电线路录波系统提取历史隐患放电电流行波；按照放电的类型分别存放在不同的文件夹中，并按照放电类型对文件夹进行标签编码。

23、第二方面，本发明为进一步解决在架空输电线路长期的运行中，可能出现的故障问题，实施例提供了基于多尺度cnn的输电线路隐患放电类型辨识系统，其包括：数据提取模块，用于提取输电线路录波系统中的历史隐患放电电流行波并进行数据处理；vmd分解模块，用于对隐患放电进行变分模态分解vmd，获取隐患放电的本证模态函数imfs；cnn模型搭建模块，用于搭建基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型；训练模块，用于将隐患放电的本证模态函数imfs输入到输电线路隐患放电类型辨识模型进行训练，得到训练后的模型；实时监测模块，用于将输电线路实时监测到的隐患放电数据输入到训练后的模型中，得到实时隐患放电类型辨识结果。

24、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于多尺度cnn的输电线路隐患放电类型辨识方法的任一步骤。

25、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于多尺度cnn的输电线路隐患放电类型辨识方法的任一步骤。

26、本发明有益效果为，本发明可以利用输电线路的隐患放电波形通过基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型进行快速的类型辨识，降低运维部门的巡检成本，保证电网的安全稳定运行。

技术特征：

1.基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：包括：

2.如权利要求1所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：所述对隐患放电进行变分模态分解vmd，获取隐患放电的本证模态函数imfs包括以下步骤：

3.如权利要求2所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：所述基于多尺度卷积神经网络包括3个并行的不同尺度的卷积模块，每个模块由一个卷积层连接一个批归一化层，再经过一个卷积层与一个最大池化层构成。

4.如权利要求3所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：所述搭建基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型包括以下步骤：

5.如权利要求4所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：所述对输入的隐患放电的本证模态函数imfs进行卷积运算的计算过程如下：

6.如权利要求5所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：所述进行批归一化运算的计算过程为：

7.如权利要求6所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：所述进行数据处理包括：

8.基于多尺度cnn的输电线路隐患放电类型辨识系统，基于权利要求1～7任一所述的基于多尺度cnn的输电线路隐患放电类型辨识方法，其特征在于：包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于多尺度cnn的输电线路隐患放电类型辨识方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于多尺度cnn的输电线路隐患放电类型辨识方法的步骤。

技术总结
本发明公开了基于多尺度CNN的输电线路隐患放电类型辨识方法及系统，涉及电力技术领域，包括从输电线路录波系统中提取历史隐患放电电流行波并进行数据处理；对隐患放电进行变分模态分解，获取隐患放电的本证模态函数；搭建基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型；将隐患放电的本证模态函数IMFs输入到所述输电线路隐患放电类型辨识模型进行训练，得到训练后的输电线路隐患放电类型辨识模型；将输电线路实时监测到的隐患放电数据输入到所述训练后的输电线路隐患放电类型辨识模型中，得到隐患放电类型的实时辨识结果。本发明利用输电线路的隐患放电波形通过基于多尺度卷积神经网络的输电线路隐患放电类型辨识模型进行快速的类型辨识。

技术研发人员：黄志都,黄维,崔志美,李珊,卢胜标,欧阳健娜,陈亚娟,刘英龙,王乐,张龙飞,邓高峰,蒋再兴
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2024/9/19