公开(公告)号：CN117851868A

公开(公告)日：2024-04-09

申请号：CN202410055975.8

申请日：2024-01-15

申请人： 珠海安瑞通电子科技有限公司

发明人： 高翔 ,  黄经研 ,  邱泽鹏 ,  李跃芹 ,  谭武汉 ,  郭铮宇 ,  吴定明

IPC分类号： G06F18/24 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08 ,  G06N3/096

摘要： 本发明公开了一种基于深度学习的多模型推进式配电网故障识别方法及系统，本发明基于配电网的全波形图和故障分类模型能够识别四种常见的故障类型，并且对于有着不同故障特征的故障类型，根据这些故障的特征对其进行不同的后续处理，从而实现对多种故障类型的识别以及后续故障定位。本发明通过横向纵向滑动窗口以及层序遍历策略对电路拓扑图进行遍历，进而对复杂拓扑进行拆分与剪枝，避免对复杂拓扑图的全部遍历或将复杂拓扑图完全输入，这使得本发明即使面对复杂拓扑图也能够拥有良好的性能，故障识别准确高。并且，面对不同的拓扑图也能够以相同的方式生成用于识别的图像，且模型所需要的图像在不同拓扑图上的差异较小，模型拥有良好的泛化性。

公开(公告)号：CN117851868B

公开(公告)日：2024-06-11

申请号：CN202410055975.8

申请日：2024-01-15

申请人： 珠海安瑞通电子科技有限公司

发明人： 高翔 ,  黄经研 ,  邱泽鹏 ,  李跃芹 ,  谭武汉 ,  郭铮宇 ,  吴定明

IPC分类号： G06F18/24 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08 ,  G06N3/096

摘要： 本发明公开了一种基于深度学习的多模型推进式配电网故障识别方法及系统，本发明基于配电网的全波形图和故障分类模型能够识别四种常见的故障类型，并且对于有着不同故障特征的故障类型，根据这些故障的特征对其进行不同的后续处理，从而实现对多种故障类型的识别以及后续故障定位。本发明通过横向纵向滑动窗口以及层序遍历策略对电路拓扑图进行遍历，进而对复杂拓扑进行拆分与剪枝，避免对复杂拓扑图的全部遍历或将复杂拓扑图完全输入，这使得本发明即使面对复杂拓扑图也能够拥有良好的性能，故障识别准确高。并且，面对不同的拓扑图也能够以相同的方式生成用于识别的图像，且模型所需要的图像在不同拓扑图上的差异较小，模型拥有良好的泛化性。