基于前馈神经网络高压直流输电系统故障诊断方法及系统与流程

本技术涉及电力系统输电安全，特别涉及一种基于前馈神经网络高压直流输电系统故障诊断方法及系统。

背景技术：

1、随着用电需求的增加导致的电力系统规模的日益扩大，其输电功率、输电距离也在不断增加，而交流输电技术的存在许多局限性，比如会出现当传输距离较远时，使用交流输电技术会产生较大损耗等情况，因此传统的交流输电技术不再能够满足未来电力系统的输电需求，而直流输电技术恰好可以弥补交流输电技术存在的不足之处。近些年来，高压直流输电(high voltage direct current,hvdc)技术取得了突破性的大发展，并且已经被大规模的应用于电力系统的运行当中，hvdc技术作为一种非常新颖的输电技术，因为其独特的优势在新型电力系统中占据极其重要的地位，其优点主要有：输送电能容量大、功率容易调节、电网互联方便、送电距离远、输电线路走廊窄等。

2、但是，hvdc系统是一个非常庞大和复杂的系统，在运行过程中难免会出现各种故障情况，当系统故障时需要及时针对故障进行判断和诊断，避免导致整个系统出现停运的糟糕情况，若出现故障导致的系统停运，将会给整个系统造成巨大的经济损失，并且影响用户的用电需求，严重的话会降低并联电网的运行稳定性，对整个电力系统的经济性、安全性、稳定性造成巨大的影响，因此针对hvdc系统进行故障诊断研究是十分紧迫的。

技术实现思路

1、本发明针对目前hvdc系统故障影响严重以及故障诊断困难问题，提供了一种基于前馈神经网络高压直流输电系统故障诊断方法及系统，通过利用前馈神经网络实现对hvdc系统的故障诊断，从而达到诊断速度快、诊断精度高，进一步满足当前hvdc系统的检测需求。

2、第一方面，本发明中所述的一种基于前馈神经网络高压直流输电系统故障诊断方法，所述故障诊断方法包括：

3、s1：采集高压直流输电系统中的故障数据，对所述故障数据进行预处理；

4、s2：将故障录波各通道的数据进行串联，建立样本数据集，并按一预设比例划分为训练数据和测试数据；

5、s3：对故障样本数据集进行贴标签处理；

6、s4：建立fnn故障诊断模型，采用所述训练数据对所述fnn故障诊断模型进行训练，并采用所述测试数据完成fnn故障诊断模型的验证获得最优fnn故障诊断模型；

7、s5：采用所述最优fnn故障诊断模型进行高压直流输电系统故障诊断。

8、本发明通过对故障数据进行处理和划分训练集和测试集、建立fnn故障诊断模型、训练模型并进行数据测试，以及将最终得到的诊断结果可视化，模型简单，并且诊断速度快、诊断精度高，能有效实现hvdc系统的故障诊断。

9、在一些实现方式中，所述步骤s2还包括：

10、按各故障录波通道，对所述故障数据进行串联形成一个长向量，使每个故障录波通道的数据形式统一且具有相同的数据点数目。

11、在一些实现方式中，所述步骤s2还包括：

12、判断每个通道的数据点数目是否一致，若一致，继续下一步骤；否则，进行插值或截断操作待统一数据点数后，再进行串联。

13、在一些实现方式中，所述步骤s3包括：

14、根据故障类型将所述故障数据进行分类，并将对应的故障类型标签标识在所述故障数据中，并存储至对应类别的故障样本数据集中。

15、在一些实现方式中，所述建立fnn故障诊断模型，包括：

16、s401：分离输入数据和输出数据，所述输入数据为故障样本的特征数据；所述输出数据故障样本的标签。

17、s402：采用sigmoid函数作为fnn模型的神经网络单元的激活函数。

18、在fnn的每个神经元单元中，采用sigmoid函数作为激活函数，将输入的加权和通过非线性映射转化为输出值。sigmoid函数可以将输出值限定在[0,1]的范围内，可适用于二元分类任务。

19、s403：分别计算输出层节点误差项和隐藏节点误差项。

20、首先，进行前向传播：根据输入的特征数据，计算每个神经元的激活值，从输入层到隐藏层再到输出层。

21、计算输出层节点误差项：根据实际输出值和期望输出值之间的差异，计算输出层节点的误差项。可以使用均方误差(mse)作为损失函数，并将导数与误差值相乘得到输出层节点误差项。

22、计算隐藏层节点误差项：将输出层节点误差项向后传播，根据连接的权重和当前层的激活值，计算隐藏层节点的误差项。

23、s404：根据所述输出层节点误差项和隐藏节点误差项更新所述fnn模型的参数，获得fnn故障诊断模型。

24、其中，所述步骤s402还包括：

25、根据所述sigmoid函数，输入层各节点的输入为：

26、input＝w0x0+w1x1+w2x2+…+wnxn+∑bn；

27、输入层各节点的输出可以表示为：

28、

29、式中，x为输入特征，w为对应特征的权重，b为偏置量，f为激活函数。

30、在一些实现方式中，所述步骤s403还包括：

31、出层节点误差项：

32、σy＝y(1-y)(t-y)；

33、隐藏节点误差项：

34、

35、式中，y为输出层节点的实际输出数据，t为期望输出值，σy表示y节点的误差；表示为隐藏节点hi的误差项，hi_output为隐藏节点hi的输出数据，σk表示该节点的下一层中的某一节点k的误差项，表示节点hi到该节点的下一层中某一节点k的连接权值。

36、第二方面，本发明还提供一种基于前馈神经网络高压直流输电系统故障诊断系统，所述系统包括：

37、数据采集单元，用于采集高压直流输电系统中的故障数据；

38、预处理单元，用于对所述故障数据进行归一化处理；

39、第一数据处理单元，将故障录波各通道的数据进行串联，建立样本数据集；

40、第二数据处理单元，对故障样本数据集进行贴标签处理；

41、第三数据处理单元，建立fnn故障诊断模型，并根据所述训练数据对所述fnn故障诊断模型进行训练，根据所述测试数据完成fnn故障诊断模型的验证获得最优fnn故障诊断模型；

42、诊断单元，采用所述最优fnn故障诊断模型进行高压直流输电系统故障诊断。

43、第三方面，本发明还提供一种hvdc系统故障诊断模型，所述hvdc系统故障诊断模采用如上第一方面所述的基于前馈神经网络高压直流输电系统故障诊断方法中的fnn故障诊断模型。

44、第四方面，本发明还提供一种计算机存储介质，所述计算机程序被处理器执行时，实现如上第一方面所述的基于前馈神经网络高压直流输电系统故障诊断方法。

45、与现有技术相比，本发明技术方案的有益效果是：

46、本发明中的fnn故障诊断模型对hvdc系统进行故障诊断，可以针对输入数据进行快速的前向传播，从而实现快速的故障诊断，fnn故障诊断模型具有强大的拟合能力和非线性建模能力，通过适应性学习和特征提取，可以处理大量的输入特征，并对复杂的hvdc系统进行有效的故障诊断；还可以学习并捕捉hvdc系统中的复杂故障模式和关联关系，可以及时监测系统的状态变化，并提供预警信号，帮助运维人员及早发现潜在的故障或异常情况。

47、采用fnn诊断模型对hvdc系统进行故障诊断可以实现自动化和智能化，可以自动识别和分类不同的故障类型，减少人工干预和人为错误，提高诊断的一致性和准确性。