技术特征：
1.一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于包括以下步骤：步骤1：通过解析智能变电站全站系统配置文件(scd文件)获取二次装置信息交互与逻辑连接关系，构建通信网络连接矩阵a0；步骤2：基于故障情况下装置的自检告警信息与报文接收/发送状态监测，以通信网络连接矩阵a0为基础构建带权重的报文状态自检特征矩阵x
′
message
；步骤3：基于交换机报文流量监测信息，以通信网络连接矩阵a0为基础，构建带权重的流量异常矩阵x
′
flow
；步骤4：根据ied之间信号交互关系以及交换机配置生成故障特征集x
i
＝[x
′
message
,x
′
flow
]；步骤5：根据后台告警信息初步判定链路故障间隔信息；步骤6：搭建基于改进cnn的通信链路故障定位模型并利用训练样本集进行训练，将测试样本集输入至训练好的故障定位模型，结合模型输出结果、故障链路间隔信息与实际故障位置进行比较，分析模型故障定位的性能。2.根据权利要求1所述的一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于所述二次装置信息交互与逻辑连接关系为变电站内ied之间sv/goose报文发布与订阅关系、ied输入输出虚端子等装置信息交互与连接关系。3.根据权利要求2所述的一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于以通信网络连接矩阵a0为基础，对角元素表征装置自检信息，如下式：非对角元素表征报文接收状态，如下式：构成报文状态自检特征矩阵x
message
，其中：i，j为报文状态自检特征矩阵x
message
中元素的行、列；n为矩阵维数；将二次装置之间流通的异常报文路径数量作为对应非对角元素的权重α1，由式(3)计算得到如下式：其中：message
k
为第k条报文的接收/发送状态，状态正常置为0，状态异常置为1，n
r
为装置之间报文合集大小；将网络邻接矩阵x
message
中对应元素与权重相乘，得到带权重的报文状态自检特征矩阵x
′
message
，如下式：x
′
message
＝x
message
·
α1。4.根据权利要求3所述的一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于所述交换机报文流量监测信息为通过增设变电站远程运维集控装置，故障情况下主动请求获取的，当监测到报文流量突减，发出低流量告警，并以与交换机存在逻辑连接关系的节点元素表征交换机至装置的流量状态，流量异常置为1，流量正常置为0，生成流量异常矩阵x
flow
，如下式：其中：x
flow_lk
表示通信网络中第l台交换机与第k台装置报文流量状态，l、k分别为以网络邻接矩阵a0为基准的交换机与装置编号；
将交换机与二次装置之间流通的流量异常报文路径数量作为对应非对角元素的权重α2，计算公式如下式：对x
flow
中智能终端至交换机的通信链路对应元素引入随机权重β
ij
，如下式β
ij
＝1+rand[0,1]，构建带权重的流量异常矩阵x
′
flow
，如下式：x
′
flow
＝x
flow
·
β
·
α2。5.根据权利要求4所述的一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于所述链路故障间隔信息通过如下方法初步判定：当通信链路故障时，故障链路的信宿装置(接收信息的装置)由于无法正常接收到所需信息会产生相应的告警信息传输至后台监控主机，通过此类信息能够获取故障链路所在间隔信息。6.根据权利要求5所述的一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于通信链路故障的定位模型基于改进cnn搭建，具体步骤如下：步骤一：对故障位置进行编码；对不同装置之间链路故障进行编码，作为训练样本的标签与故障定位模型的输出；步骤二：网络改进；基于常规cnn采用的多尺寸卷积核策略，提取跨包括间隔故障与多重故障的故障特征；输入采用多通道输入方式，特征提取后利用拼接层进行拼接，以全连接层作为输出层；步骤三：模型训练与测试；将故障样本集按照7:2:1的比例划分为训练集、测试集、验证集，按照指定迭代次数进行训练，利用训练好的网络进行测试与验证。7.一种基于改进cnn的智能变电站通信链路故障定位方法，其特征在于包括以下步骤：步骤1：通过解析智能变电站正常运行情况下全站系统配置文件(scd文件)获取变电站内智能电力监测装置(ied)之间sv/goose报文发布与订阅关系、智能电力监测装置(ied)输入输出虚端子的信息交互与连接关系，以此为依据生成通信网络邻接矩阵a0，其中以智能变电站二次装置为节点，并按照三层两网的结构分间隔排序，主要表征的装置节点合集s如下式：s＝{a
c
,a
swm_k
,a
pz_i
,a
pnet_i
,a
mc_j
,a
swg_m
,a
sws_n
,a
mu_p
,a
it_q
}，其中：a
c
表示后台监控主机；a
pz_i
、a
pnet_i
分别表示保护装置直采直跳、网采网跳的连接方式，下标i表示第i台保护装置；a
mc_j
表示第j台测控装置；a
swm_k
、a
swg_m
、a
sws_n
分别表示第k台、m台、n台mms交换机、goose交换机、sv交换机；a
mu_p
表示第p台合并单元；a
it_q
表示第q台智能终端；网络邻接矩阵a0中除对角元素为1表示装置本体外，其它元素a
ij
定义如下式：步骤2：通过网络分析仪(na)监测报文接收状态，后台获取智能变电站二次装置自检告警信号(交换机不具备自检功能)，以通信网络邻接矩阵a0为基础，对角元素表征装置自检信息，如下式：非对角元素表征报文接收状态，如下式：构成报文状态自检特征矩阵x
message
，其中：i，j为报文状态自检特征矩阵x
message
中元素的行、列；n为矩阵维
数；将不同装置之间流通的异常报文路径数量作为非对角元素的权重，其中二次装置之间流通报文的状态合集r
message
如下式：r
message
＝[message1,message2,...,message
nr
]，若监测到第k条报文接收/发送异常，则message
k
＝1，否则为0；对应装置连接关系的非对角元素权重由下式：计算得到；其中：n
r
为装置之间报文合集大小；将网络邻接矩阵x
message
中对应元素与权重相乘，得到带权重的报文状态自检特征矩阵x
′
message
，如下式：x
′
message
＝x
message
·
α1，其中：message
k
为第k条报文的接收/发送状态，状态正常置为0，状态异常置为1；步骤3：以通信网络邻接矩阵a0为基础，以与交换机存在逻辑连接关系的节点元素表征交换机至装置的流量状态，流量异常置为1，流量正常置为0，如式(8)，生成流量异常矩阵x
flow
，如下式：其中：x
flow_lk
表示通信网络中第l台交换机与第k台装置报文流量状态，l、k分别为以网络邻接矩阵a0为基准的交换机与装置编号；将交换机与二次装置之间流通的流量异常报文路径数量作为对应非对角元素的权重α2，计算公式如下式：对x
flow
中智能终端至交换机的通信链路对应元素引入随机权重β
ij
，如下式：β
ij
＝1+rand[0,1]，构建带权重的流量异常矩阵x
′
flow
，如下式：x
′
flow
＝x
flow
·
β
·
α2；步骤4：故障样本集生成；基于整个二次通信网络中装置(节点)连接关系，输入外界影响因素，根据智能电力监测装置(ied)之间信号交互关系以及交换机配置生成故障特征集x
i
＝[x
′
message
,x
′
flow
]，其中x
′
message
、x
′
flow
分别带权重的报文状态自检特征矩阵与带权重的流量异常矩阵；步骤5：当通信链路故障时，故障链路的信宿装置(接收信息的装置)由于无法正常接收到所需信息会产生相应的告警信息传输至后台监控主机，通过此类信息能够清晰获取故障链路所在间隔信息，以此信息作为通信链路故障的初步定位；步骤6：搭建基于改进cnn的通信链路故障定位模型并利用训练样本集进行训练，将测试样本集输入至训练好的定位模型，结合故障链路间隔初定信息实现通信链路的准确定位；步骤一：对故障位置进行编码；对不同装置之间链路故障进行编码，作为训练样本的标签与故障定位模型的输出；步骤二：网络改进；基于常规cnn采用的多尺寸卷积核策略，提取跨包括间隔故障与多重故障的故障特征；输入采用多通道输入方式，特征提取后利用拼接层进行拼接，以全连接层作为输出层；步骤三：模型训练与测试；将故障样本集按照7:2:1的比例划分为训练集、测试集、验证集，按照指定迭代次数进行训练，利用训练好的网络进行测试与验证。8.根据权利要求7所述的一种基于改进cnn的智能变电站通信链路故障定位方法，其特
征在于所述外界影响因素，包括信源端口故障信息、网络拓扑变化信息、光纤链路中断信息。
技术总结
本发明属于电力技术领域，尤其涉及一种基于改进CNN的智能变电站通信链路故障定位方法，其特征在于:包括如下步骤：步骤1、构建通信网络连接矩阵A0，步骤2、构建带权重的报文状态自检特征矩阵X
技术研发人员：皮志勇 廖玄 李振兴 王义波 方豪 朱益 胡冰清 吴沛 陈文豪 甄家林
受保护的技术使用者：三峡大学 武汉凯默电气有限公司
技术研发日：2022.10.20
技术公布日：2023/2/6