【技術實現步驟摘要】
本專利技術屬于電力故障監測，尤其涉及一種基于深度強化學習的電纜狀態監測方法、系統、存儲介質和設備。
技術介紹
1、隨著電力系統的快速發展和電纜的大規模應用，電力電纜的運維管理日益重要。局部放電是電力電纜常見的故障之一，它不僅會導致電纜絕緣性能的逐漸惡化，還可能引發嚴重的安全事故。
2、傳統的電纜狀態監測主要依賴于人工巡檢和故障測量，其中故障測量需要進行各種電纜電氣試驗，例如直流耐壓試驗、交流耐壓試驗、局部放電測試等，來逐步甄別故障類型。
3、但是，傳統的電纜狀態監測存在諸多局限性。各種電纜電氣試驗通常需要停電進行，影響了電力系統的連續性和穩定性，而且，只能提供電纜在特定時刻的狀態信息，無法對電纜狀態趨勢進行連續預測。因此，無法自動監測電纜狀態異常，準確性及時效性較差。
技術實現思路
1、針對現有技術存在的不足，本專利技術提供了一種基于深度強化學習的電纜狀態監測方法、系統、存儲介質和設備，根據電纜的實時運行狀態數據，基于深度強化學習算法，利用智能體感知電纜狀態，并根據當前狀態自動選擇適合的操作動作，生成決策，對電纜執行相應決策，實現對電纜系統的干預，可以提高對電纜狀態監測的時效性及準確度。
2、本專利技術通過如下技術方案實現：
3、獲取電纜的實時運行狀態數據，基于所述實時運行狀態數據，監測電纜異常；
4、將所述實時運行狀態數據輸入至dqn網絡，所述dqn網絡包括：智能體及執行器；
5、所述智能體根據所述實時運行狀
6、根據所述決策執行對應的動作。
7、可選的，
8、所述獲取電纜的實時運行狀態數據，包括：
9、測量相電壓及相電流，基于所述相電壓及相電流，計算電阻及電容；
10、獲取電纜溫度數據；
11、采集局部放電信號，獲取所述局部放電信號的基本特征參數。
12、可選的，
13、所述智能體根據所述實時運行狀態數據，基于dqn網絡感知當前狀態并生成決策，包括：
14、智能體通過基于所述實時運行狀態數據定義的狀態空間感知電纜狀態；
15、根據所述狀態空間及由所有可選動作構成的動作空間，基于dqn網絡計算當前狀態下每個動作的q值；
16、基于所述q值，采用預設的策略選擇一個動作生成決策。
17、可選的，
18、所述當前狀態下每個動作的q值，為：
19、
20、其中，
21、表示狀態s下綜合考慮所有可選動作的q值的平均期望；
22、表示采取動作a獲得的收益。
23、可選的，
24、基于dueling?dqn網絡，計算當前狀態下每個動作的q值；
25、選擇最大q值的動作生成決策。
26、可選的，
27、所述基于dueling?dqn網絡，計算當前狀態下每個動作的q值，包括：
28、分別計算狀態價值函數與優勢價值函數；
29、將所述狀態價值函數與優勢價值函數組合，結合預先設置的激勵函數，獲取當前狀態下每個動作的q值。
30、可選的，
31、智能體接收執行所述決策動作后從環境返回的獎勵信號，結合所述獎勵信號，更新q值。
32、可選的，
33、獲取所述智能體與環境交互產生的經驗數據，存儲至經驗回放池；
34、通過從所述經驗回放池中對所述經驗數據隨機抽樣，對所述智能體進行訓練，更新網絡參數。
35、本專利技術還提供了一種基于深度強化學習的電纜狀態監測系統，用于實施前述的方法，所述系統包括：
36、運行狀態監測模塊，用于獲取電纜的實時運行狀態數據，基于所述實時運行狀態數據，監測電纜異常；
37、數據傳輸模塊，用于將所述實時運行狀態數據輸入至dqn網絡，所述dqn網絡包括：智能體及執行器；
38、狀態分析模塊，用于所述智能體根據所述實時運行狀態數據，基于dqn網絡感知當前狀態并生成決策；
39、執行模塊，用于根據所述決策執行對應的動作。
40、可選的，
41、所述運行狀態監測模塊包括：
42、相電壓及相電流測量單元，用于測量相電壓及相電流，基于所述相電壓及相電流，計算電阻及電容；
43、電纜溫度監測單元，用于獲取電纜溫度數據；
44、局部放電監測單元，用于采集局部放電信號，獲取所述局部放電信號的基本特征參數。
45、可選的，
46、所述狀態分析模塊還被配置用于：
47、智能體通過基于所述實時運行狀態數據定義的狀態空間感知電纜狀態；
48、根據所述狀態空間及由所有可選動作構成的動作空間，基于dqn網絡計算當前狀態下每個動作的q值；
49、基于所述q值，采用預設的策略選擇一個動作生成決策。
50、可選的，
51、基于dueling?dqn網絡，計算當前狀態下每個動作的q值；
52、選擇最大q值的動作生成決策。
53、可選的，
54、獲取所述智能體與環境交互產生的經驗數據，存儲至經驗回放池；
55、通過從所述經驗回放池中對所述經驗數據隨機抽樣，對所述智能體進行訓練，更新網絡參數。
56、本專利技術還提供了一種計算機可讀存儲介質，存儲有一個或者多個程序，當該一個或者多個程序被執行時，可以實現前述的基于深度強化學習的電纜狀態監測方法。
57、本專利技術還提供了一種設備，包括處理器、通信接口、計算機可讀存儲介質和通信總線；其中，處理器、通信接口、計算機可讀存儲介質通過通信總線相互間的通信；
58、所述處理器用于執行計算機可讀存儲介質中所存儲的程序。
59、與現有技術相比，本專利技術具有如下優點：
60、1、本專利技術提出的基于深度強化學習的電纜狀態監測方法，根據電纜的實時運行狀態數據，利用dqn網絡自動監測電纜狀態并生成操作動作的決策，提高了狀態趨勢預測的及時性及準確度。
61、2、利用智能體，根據實時運行狀態數據計算當前狀態下每個動作的q值，依據每個動作的q值選擇動作制定決策，能夠提高電纜異常狀態處理效率，為運檢人員提供信息支持，從而提高整個電力系統的穩定性和安全性。
62、3、通過智能體與環境的多次交互，不斷收集新的數據并更新參數，持續進行學習和自我優化，進而可以適應電纜運行狀態的變化，提高決策的準確性和魯棒性。
63、本專利技術的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本專利技術而了解。本專利技術的目的和其他優點可通過在說明書、權利要求書以及附圖中所指出的結構來實現和獲得。
本文檔來自技高網...【技術保護點】
1.一種基于深度強化學習的電纜狀態監測方法，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，所述獲取電纜的實時運行狀態數據，包括：
3.根據權利要求1所述的方法，其特征在于，所述智能體根據所述實時運行狀態數據，基于DQN網絡感知當前狀態并生成決策，包括：
4.根據權利要求3所述的方法，其特征在于，所述當前狀態下每個動作的Q值，為：
5.根據權利要求3所述的方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的方法，其特征在于，所述基于Dueling?DQN網絡，計算當前狀態下每個動作的Q值，包括：
7.根據權利要求1-6任一項所述的方法，其特征在于，所述方法還包括：
8.根據權利要求1-6任一項所述的方法，其特征在于，所述方法還包括：
9.一種基于深度強化學習的電纜狀態監測系統，其特征在于，所述系統包括：
10.根據權利要求9所述的系統，其特征在于，所述運行狀態監測模塊包括：
11.根據權利要求9所述的系統，其特征在于，所述狀態分析模塊還被配
12.根據權利要求11所述的系統，其特征在于，所述系統還被配置用于：
13.根據權利要求9-12任一項所述的系統，其特征在于，所述系統還被配置用于：
14.一種計算機可讀存儲介質，存儲有一個或者多個程序，其特征在于，
15.一種電子設備，包括處理器、通信接口、權利要求14所述的計算機可讀存儲介質和通信總線；其中，處理器、通信接口、計算機可讀存儲介質通過通信總線相互間的電子通信；其特征在于，
...【技術特征摘要】
1.一種基于深度強化學習的電纜狀態監測方法，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，所述獲取電纜的實時運行狀態數據，包括：
3.根據權利要求1所述的方法，其特征在于，所述智能體根據所述實時運行狀態數據，基于dqn網絡感知當前狀態并生成決策，包括：
4.根據權利要求3所述的方法，其特征在于，所述當前狀態下每個動作的q值，為：
5.根據權利要求3所述的方法，其特征在于，所述方法還包括：
6.根據權利要求5所述的方法，其特征在于，所述基于dueling?dqn網絡，計算當前狀態下每個動作的q值，包括：
7.根據權利要求1-6任一項所述的方法，其特征在于，所述方法還包括：
8.根據權利要求1-6任一項所述的方法，其特...
【專利技術屬性】
技術研發人員：王孟鑫，孫天碩，丁楠，馬琳琦，王建虎，李季，韓強，李旭，魏占朋，
申請(專利權)人：國網天津市電力公司培訓中心，
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。