一种配电网设备故障识别方法、装置及存储介质与流程

本发明涉及故障识别，尤其是涉及一种配电网设备故障识别方法、装置及存储介质。

背景技术：

1、在配电网自动化设备中，故障类型往往呈现出明显的长尾分布，即某些常见故障类型发生频率较高，定义为头部类故障。其他一些罕见故障类型仅在特定条件下发生，定义为尾部类故障。另外，新设备的不断投入使用，使得实际运行过程中出现一些未曾见过的新故障类型，定义为开放类故障，这些未知故障的准确识别也至关重要。

2、头部类故障，例如开关接触不良、设备发热、波形异常等，这类故障在历史数据中大量存在并且容易被识别。尾部类故障相对少见而又非常重要，例如自然灾害或者人为因素导致的故障等，此外，配电网自动化设备还可能遇到一些开放类故障。现有的配电网设备故障识别方法难以全面、准确地覆盖所有可能的故障类型，导致设备故障识别准确性较低。

技术实现思路

1、本发明提供一种配电网设备故障识别方法、装置及存储介质，以解决现有的配电网设备故障识别方法难以全面、准确地覆盖所有可能的故障类型，导致设备故障识别准确性较低的技术问题。

2、本发明提供了一种配电网设备故障识别方法，包括：

3、采集配电网的运行状态监测数据，所述运行状态监测数据包括设备监测数据和节点监测数据，所述设备监测数据包括设备温度数据、设备寿命数据和设备性能数据，所述节点监测数据包括节点电压数据和节点电流数据；

4、基于预先训练好的开放长尾识别模型，根据所述运行状态监测数据将设备故障类型识别为头部类、尾部类和开放类；

5、提取所述运行状态监测数据的直接特征集，根据空间注意力层对所述直接特征集进行拼接处理，得到新的直接特征集；其中，所述空间注意力层是根据所述头部类的个数和所述尾部类的个数构建的；

6、根据所述新的直接特征集进行数据增强处理，得到条件反射特征；

7、基于所述新的直接特征集和所述条件反射特征确定特征嵌入向量，根据所述特征嵌入向量进行模型训练，得到故障识别模型；

8、将待识别数据输入至所述故障识别模型中，得到设备故障识别结果。

9、进一步的，所述根据空间注意力层对所述直接特征集进行拼接处理，得到新的直接特征集，包括：

10、利用所述空间注意力层提取所述直接特征集中的头部数据集和尾部数据集，分别将所述头部数据集和所述尾部数据集对应的故障分类特征数据进行拼接，得到新的直接特征集。

11、进一步的，所述根据所述新的直接特征集进行数据增强处理，得到条件反射特征，包括：

12、对所述新的直接特征进行数据增强处理得到增强特征；

13、根据所述新的直接特征进行小批次聚类处理，形成聚类中心结果；

14、将所述增强特征与所述聚类中心结果进行累乘训练，利用尾部类对训练结果进行增强处理，得到条件反射特征。

15、进一步的，所述基于所述新的直接特征集和所述条件反射特征确定特征嵌入向量，包括：

16、采用激活函数生成特征选择系数；

17、根据输入特征与条件反射特征各个类的中心点之间的距离，确定相似度权重；

18、根据所述特征选择系数、所述相似度权重和所述条件反射特征，确定特征嵌入向量。

19、进一步的，所述特征嵌入向量的表达式如下：

20、

21、其中，xembed为特征嵌入向量，δ为相似度权重，xdirect为输入特征，e为特征选择系数，xreflection为条件反射特征。

22、本发明提供了一种配电网设备故障识别装置，包括：

23、检测数据采集模块，用于采集配电网的运行状态监测数据，所述运行状态监测数据包括设备监测数据和节点监测数据，所述设备监测数据包括设备温度数据、设备寿命数据和设备性能数据，所述节点监测数据包括节点电压数据和节点电流数据；

24、故障分类模块，用于基于预先训练好的开放长尾识别模型，根据所述运行状态监测数据将设备故障类型识别为头部类、尾部类和开放类；

25、特征拼接模块，用于提取所述运行状态监测数据的直接特征集，根据空间注意力层对所述直接特征集进行拼接处理，得到新的直接特征集；其中，所述空间注意力层是根据所述头部类的个数和所述尾部类的个数构建的；

26、数据增强模块，用于根据所述新的直接特征集进行数据增强处理，得到条件反射特征；

27、模型训练模块，用于基于所述新的直接特征集和所述条件反射特征确定特征嵌入向量，根据所述特征嵌入向量进行模型训练，得到故障识别模型；

28、故障识别模块，用于将待识别数据输入至所述故障识别模型中，得到设备故障识别结果。

29、进一步的，所述特征拼接模块还用于：

30、利用所述空间注意力层提取所述直接特征集中的头部数据集和尾部数据集，分别将所述头部数据集和所述尾部数据集对应的故障分类特征数据进行拼接，得到新的直接特征集。

31、进一步的，所述数据增强模块还用于：

32、对所述新的直接特征进行数据增强处理得到增强特征；

33、根据所述新的直接特征进行小批次聚类处理，形成聚类中心结果；

34、将所述增强特征与所述聚类中心结果进行累乘训练，利用尾部类对训练结果进行增强处理，得到条件反射特征。

35、本发明还提供了一种终端设备，包括：处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如上述的配电网设备故障识别方法。

36、本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的配电网设备故障识别方法。

37、本发明实施例根据头部类的个数和尾部类的个数构建注意力机制，通过注意力机制对直接特征集进行拼接处理，能够有效突出直接特征集中的关键特征，抑制不重要的信息，从而提升模型对故障特征的识别能力，进而能够有效提高设备故障识别的准确性。

38、进一步的，本发明实施例引入相似度权重，能够在存在数据不平衡或类别重叠的情况下，精确地识别不同类别之间的微小差异，进而能够进一步提高针对设备不同故障类别识别的准确性。

技术特征：

1.一种配电网设备故障识别方法，其特征在于，包括：

2.如权利要求1所述的配电网设备故障识别方法，其特征在于，所述根据空间注意力层对所述直接特征集进行拼接处理，得到新的直接特征集，包括：

3.如权利要求1所述的配电网设备故障识别方法，其特征在于，所述根据所述新的直接特征集进行数据增强处理，得到条件反射特征，包括：

4.如权利要求2所述的配电网设备故障识别方法，其特征在于，所述基于所述新的直接特征集和所述条件反射特征确定特征嵌入向量，包括：

5.如权利要求4所述的配电网设备故障识别方法，其特征在于，所述特征嵌入向量的表达式如下：

6.一种配电网设备故障识别装置，其特征在于，包括：

7.如权利要求6所述的配电网设备故障识别装置，其特征在于，所述特征拼接模块还用于：

8.如权利要求6所述的配电网设备故障识别装置，其特征在于，所述数据增强模块还用于：

9.一种终端设备，其特征在于，包括：处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如权利要求1-5任一项所述的配电网设备故障识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-5任一项所述的配电网设备故障识别方法。

技术总结
本发明公开了一种配电网设备故障识别方法、装置及存储介质，方法包括：采集配电网的运行状态监测数据；基于预先训练好的开放长尾识别模型，根据运行状态监测数据将设备故障类型识别为头部类、尾部类和开放类；提取运行状态监测数据的直接特征集，根据空间注意力层对直接特征集进行拼接处理，得到新的直接特征集；根据新的直接特征集确定特征嵌入向量并进行模型训练，得到故障识别模型；将待识别数据输入至故障识别模型中得到设备故障识别结果。本发明根据头部类个数和尾部类个数构建注意力机制，通过注意力机制对直接特征集进行拼接处理，能够有效突出直接特征集中的关键特征，从而提升模型对故障特征的识别能力，提高设备故障识别的准确性。

技术研发人员：黄曙,曾瑞江,李志勇,温爱辉,骆洁艺,孙德兴,林冠强,赖育杰,陈家韶,黄缙华
受保护的技术使用者：广东电网有限责任公司
技术研发日：
技术公布日：2025/3/13