【技術實現步驟摘要】
本專利技術實施例涉及數據處理，尤其涉及一種電網故障識別、電網故障識別模型訓練、裝置、電子設備、存儲介質及程序產品。
技術介紹
1、電網故障是指電力系統中出現的超出正常工作范圍的各種事件，這些事件可能導致電力生產、傳輸、分配以及消費等環節中出現異常情況。這些故障可能是由自然因素(如雷擊、風暴及地震等)或人為因素(如操作錯誤和設備損壞等)引起的。電網系統中可能出現的故障情況是多樣化的，如線路短路、接地故障以及設備故障等，每種故障都有其獨特的特征和表現，使得故障識別變得復雜。為了有效地應對和處理這些故障，需要對它們進行準確的分類和識別。然而。電網中的故障信號往往受到多種因素的影響，如噪聲、干擾等。這些因素可能掩蓋故障信號的真實特征，增加故障識別的難度。
2、目前，在進行電網故障識別時，往往采用神經網絡模型對輸入的電網故障數據進行自動化的故障識別。神經網絡的設計初衷為模擬人腦的工作方式，而人腦是一個非常復雜且功能強大的系統。為了實現類似的功能和性能，目前的神經網絡模型需要包含大量的參數，以便能夠學習和處理各種復雜的數據和任務。另外，神經網絡模型也需要通過不斷地調整參數來優化其性能。在訓練過程中，模型會根據輸入數據和目標輸出之間的誤差來調整參數，以減小誤差并提高準確性。這些參數的數量越多，模型就越能夠精確地擬合數據，從而提高其泛化能力和性能。此外，神經網絡的深度和寬度也會影響其參數數量。深度神經網絡具有更多的隱藏層和神經元，能夠學習更復雜的特征和表示。而寬度則決定了每個隱藏層中神經元的數量，進而決定了模型的容量和復雜性。因此，
3、專利技術人在實現本專利技術的過程中，發現現有電網故障識別技術雖然在一定程度上能夠實現對電網故障的檢測和識別，但仍存在一些缺點，主要包括以下幾個方面：(1)故障識別精度不足：由于電網系統的復雜性，電網故障的形式和種類繁多，現有的故障識別技術可能無法準確識別所有類型的故障，導致漏報或誤報的情況。(2)實時性不足：電網故障往往發生在瞬間，要求故障識別技術具有快速的響應能力。然而，現有的一些故障識別技術可能需要較長時間的數據處理和分析，無法滿足實時性要求。(3)抗干擾能力不強：電網系統中存在大量的干擾信號和噪聲，這些信號可能對故障識別技術造成干擾，導致識別結果不準確或不穩定。(4)對新型故障適應性差：隨著電網系統的不斷發展和升級，新型故障形式可能不斷出現?，F有的一些故障識別技術可能無法適應這些新型故障，導致無法準確識別。
技術實現思路
1、本專利技術實施例提供一種電網故障識別、電網故障識別模型訓練、裝置、電子設備、存儲介質及程序產品，能夠提高電網故障識別的準確性和效率。
2、根據本專利技術的一方面，提供了一種電網故障識別方法，包括：
3、獲取待識別電網故障數據，對所述待識別電網故障數據進行小波包變換，得到小波包變換數據；
4、將所述小波包變換數據輸入至訓練完成的基于kan網絡的電網故障識別模型中；
5、根據所述基于kan網絡的電網故障識別模型的輸出結果確定所述待識別電網故障數據的故障識別結果。
6、根據本專利技術的另一方面，提供了一種電網故障識別模型訓練方法，包括：
7、獲取待識別電網故障樣本數據，對所述待識別電網故障樣本數據進行小波包變換，得到小波包變換電網樣本數據；
8、將所述小波包變換電網樣本數據輸入至基于kan網絡的電網故障識別模型中，以對所述基于kan網絡的電網故障識別模型進行訓練。
9、根據本專利技術的另一方面，提供了一種電網故障識別裝置，包括：
10、小波包變換數據獲取模塊，用于獲取待識別電網故障數據，對所述待識別電網故障數據進行小波包變換，得到小波包變換數據；
11、小波包變換數據輸入模塊，用于將所述小波包變換數據輸入至訓練完成的基于kan網絡的電網故障識別模型中；
12、故障識別結果輸出模塊，用于根據所述基于kan網絡的電網故障識別模型的輸出結果確定所述待識別電網故障數據的故障識別結果。
13、根據本專利技術的另一方面，提供了一種電網故障識別模型訓練裝置，包括：
14、小波包變換電網樣本數據獲取模塊，用于獲取待識別電網故障樣本數據，對所述待識別電網故障樣本數據進行小波包變換，得到小波包變換電網樣本數據；
15、故障識別模型訓練模塊，用于將所述小波包變換電網樣本數據輸入至基于kan網絡的電網故障識別模型中，以對所述基于kan網絡的電網故障識別模型進行訓練。
16、根據本專利技術的另一方面，提供了一種電子設備，所述電子設備包括：
17、至少一個處理器；以及
18、與所述至少一個處理器通信連接的存儲器；其中，
19、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本專利技術任一實施例所述的電網故障識別方法或電網故障識別模型訓練方法。
20、根據本專利技術的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本專利技術任一實施例所述的電網故障識別方法或電網故障識別模型訓練方法。
21、根據本專利技術的另一方面，還提供了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現本專利技術任一實施例所述的電網故障識別方法或電網故障識別模型訓練方法。
22、本專利技術實施例通過獲取待識別電網故障樣本數據，對待識別電網故障樣本數據進行小波包變換，得到小波包變換電網樣本數據，并將小波包變換電網樣本數據輸入至基于kan網絡的電網故障識別模型中，以對基于kan網絡的電網故障識別模型進行訓練。在基于kan網絡的電網故障識別模型訓練完成后，獲取待識別電網故障數據，對待識別電網故障數據進行小波包變換，得到小波包變換數據，并將小波包變換數據輸入至訓練完成的基于kan網絡的電網故障識別模型中，從而根據基于kan網絡的電網故障識別模型的輸出結果確定待識別電網故障數據的故障識別結果。上述技術方案利用kan神經網絡構建電網故障識別模型并對電網故障數據中的故障進行自動識別，可以充分發揮kan神經網絡更高的精度與效率、更高的可解釋性和交互性、可避免災難性遺忘以及學習能力更靈活等優勢，能夠提高電網故障識別的準確性和效率，為電力系統的安全運行提供有力的保障。
23、應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種電網故障識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述待識別電網故障數據進行小波包變換，得到小波包變換數據，包括：
3.一種電網故障識別模型訓練方法，其特征在于，包括：
4.根據權利要求3所述的方法，其特征在于，所述對所述待識別電網故障樣本數據進行小波包變換，得到小波包變換電網樣本數據，包括：
5.根據權利要求1所述的方法，其特征在于，所述獲取待識別電網故障樣本數據，包括：
6.一種電網故障識別裝置，其特征在于，包括：
7.一種電網故障識別模型訓練裝置，其特征在于，包括：
8.一種電子設備，其特征在于，所述電子設備包括：
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現權利要求1-2中任一所述的電網故障識別方法，或執行權利要求3-5中任一所述的電網故障識別模型訓練方法。
10.一種計算機程序產品，包括計算機程序/指令，其中，所述計算機程序/指令被處理器執行時實現權
...【技術特征摘要】
1.一種電網故障識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述待識別電網故障數據進行小波包變換，得到小波包變換數據，包括：
3.一種電網故障識別模型訓練方法，其特征在于，包括：
4.根據權利要求3所述的方法，其特征在于，所述對所述待識別電網故障樣本數據進行小波包變換，得到小波包變換電網樣本數據，包括：
5.根據權利要求1所述的方法，其特征在于，所述獲取待識別電網故障樣本數據，包括：
6.一種電網故障識別裝置，其特征在于，包括：
7.一種...
【專利技術屬性】
技術研發人員：羅智榮，黃豐，郭淳，莊桂釗，丁建成，林錦梅，徐暉，陳惠敏，陳柏熹，
申請(專利權)人：廣東電網有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。