公开(公告)号：CN117272143A

公开(公告)日：2023-12-22

申请号：CN202311255429.0

申请日：2023-09-25

申请人： 国网新疆电力有限公司电力科学研究院 ,  重庆大学

发明人： 陈军 ,  南东亮 ,  赵启 ,  王建 ,  张路 ,  谭金龙 ,  高兴 ,  彭寅章 ,  林丰恺 ,  段玉 ,  刘欢庆 ,  王畅 ,  欧阳金鑫 ,  赵振民

IPC分类号： G06F18/241 ,  G06F18/15 ,  G06F18/213 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08

摘要： 本发明涉及一种基于格拉姆角场与残差网络的输电线故障辨识方法，包括构建故障类型和故障原因辨识模型的步骤，其包括：构建基于多目标残差网络的原始识别模型；获取输电线路故障样本的三相故障录波数据，基于格拉姆角场将获取的三相故障录波数据转换为二维彩色图形，作为故障样本图像；将故障样本图形按照故障类型和故障原因进行分类，同时对小样本类型做Smote过采样处理，以获得故障样本集；基于故障样本集对原始识别模型进行训练和测试，获得最终辨识模型。本发明通过GAF方法将一维故障录波数据转化成为二维彩色图像，降低了电压电流波形、故障距离以及过渡电阻等因素对故障特征提取的影响，同时也可以很好地应对数据间的类不平衡问题。

公开(公告)号：CN117743944B

公开(公告)日：2024-06-18

申请号：CN202410018670.X

申请日：2024-01-04

申请人： 重庆大学 ,  国网新疆电力有限公司电力科学研究院

发明人： 王建 ,  张博 ,  赵启 ,  林丰恺 ,  吴昊 ,  南东亮 ,  欧阳金鑫 ,  张路 ,  谭金龙

IPC分类号： G06F18/241 ,  G06F18/213 ,  G06Q50/06 ,  G06Q10/20 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及一种基于多源数据的输电线路故障辨识方法，包括：获取故障录波数据和气象同化数据，基于所获数据获得暂态波形图像特征和环境张量特征，将暂态波形图像特征和环境张量特征共同输入预先构建好的故障分类模型进行故障识别，以及基于现场确定的真实故障结果数据对正在运行的故障分类模型进行更新训练。本发明充分考虑了输电线路故障录波和气象因素的融合，综合利用多种数据源来描述线路故障特征，相较于现有研究考虑的气象因素更加精细化，考虑的波形特征的构建更加全面化，相较于单图像或单张量特征输入可以利用更多有效信息。并且，本发明实现了多源数据的特征融合，这大大提升了模型识别能力，从而提高了故障特征的准确性和全面性。

公开(公告)号：CN117743944A

公开(公告)日：2024-03-22

申请号：CN202410018670.X

申请日：2024-01-04

申请人： 重庆大学 ,  国网新疆电力有限公司电力科学研究院

发明人： 王建 ,  张博 ,  赵启 ,  林丰恺 ,  吴昊 ,  南东亮 ,  欧阳金鑫 ,  张路 ,  谭金龙

IPC分类号： G06F18/241 ,  G06F18/213 ,  G06Q50/06 ,  G06Q10/20 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及一种基于多源数据的输电线路故障辨识方法，包括：获取故障录波数据和气象同化数据，基于所获数据获得暂态波形图像特征和环境张量特征，将暂态波形图像特征和环境张量特征共同输入预先构建好的故障分类模型进行故障识别，以及基于现场确定的真实故障结果数据对正在运行的故障分类模型进行更新训练。本发明充分考虑了输电线路故障录波和气象因素的融合，综合利用多种数据源来描述线路故障特征，相较于现有研究考虑的气象因素更加精细化，考虑的波形特征的构建更加全面化，相较于单图像或单张量特征输入可以利用更多有效信息。并且，本发明实现了多源数据的特征融合，这大大提升了模型识别能力，从而提高了故障特征的准确性和全面性。

公开(公告)号：CN117290756B

公开(公告)日：2024-04-16

申请号：CN202311245678.1

申请日：2023-09-25

申请人： 重庆大学

发明人： 王建 ,  林丰恺 ,  张博 ,  吴昊 ,  欧阳金鑫

IPC分类号： G06F18/24 ,  G01R31/08 ,  G06N3/0464 ,  G06N3/098

摘要： 本发明涉及一种基于联邦学习的输电线路故障辨识方法、装置和电子设备，包括构建故障类型和故障原因辨识模型的步骤，其包括：在不同地区构建基于卷积神经网络的本地原始识别模型；获取不同地区输电线路的三相故障录波数据；将前述故障数据归一化为一张故障暂态波形图像；将归一化后的图像按照故障类型和故障原因进行分类，同时对小样本类型的故障做Smote过采样处理，生成故障样本集；将相应地区的故障样本集输入对应地区的原始识别模型，并且借助于联邦学习，将部署在各地区的原始识别模型的本地参数进行中心聚合并且将经中心聚合后的参数下发至本地原始识别模型进行训练，获得最终的辨识模型，从而消除不同地区输电线路的故障特征差异对模型的影响。

公开(公告)号：CN117290756A

公开(公告)日：2023-12-26

申请号：CN202311245678.1

申请日：2023-09-25

申请人： 重庆大学

发明人： 王建 ,  林丰恺 ,  张博 ,  吴昊 ,  欧阳金鑫

IPC分类号： G06F18/24 ,  G01R31/08 ,  G06N3/0464 ,  G06N3/098

摘要： 本发明涉及一种基于联邦学习的输电线路故障辨识方法、装置和电子设备，包括构建故障类型和故障原因辨识模型的步骤，其包括：在不同地区构建基于卷积神经网络的本地原始识别模型；获取不同地区输电线路的三相故障录波数据；将前述故障数据归一化为一张故障暂态波形图像；将归一化后的图像按照故障类型和故障原因进行分类，同时对小样本类型的故障做Smote过采样处理，生成故障样本集；将相应地区的故障样本集输入对应地区的原始识别模型，并且借助于联邦学习，将部署在各地区的原始识别模型的本地参数进行中心聚合并且将经中心聚合后的参数下发至本地原始识别模型进行训练，获得最终的辨识模型，从而消除不同地区输电线路的故障特征差异对模型的影响。