【技術實現步驟摘要】
本公開涉及故障檢測，具體涉及一種配電網線路故障檢測方法、裝置、設備、介質及芯片。
技術介紹
1、隨著開關的智能化，裝配于配電網各段線路的開關能夠感知到分支線路各處的電壓、電流等實時參數，有的智能開關甚至還能對線路已經發生或者將要發生的故障進行識別判斷。這些能力，使得對于配電網的管控水平大大提高。現有的配電網線路故障的判斷方式是將測得的電氣參數與預設的閾值進行比較，如果測量值超過閾值，則判斷為線路故障，并利用開關進行保護動作，或者發出告警。由于配電網線路的拓撲常常會發生變化，并且當前配電網中，用戶的負荷時時刻刻都在發生變化，隨著風、光等新能源的接入，配電網中的電源功率也會不斷變化，這些都使得難以僅靠一個預先設置的閾值作為故障判斷的指示。
技術實現思路
1、為了解決相關技術中的問題，本公開實施例提供一種配電網線路故障檢測方法、裝置、設備、介質及芯片。
2、第一方面，本公開實施例中提供了配電網線路故障檢測方法，包括：
3、獲取配電網線路故障的歷史數據；所述歷史數據包括配電網中的n個開關測得的電氣數據以及各個開關所構成的網絡拓撲數據；其中，n為自然數；
4、為所述歷史數據標注標簽，并基于標注好的所述標簽與對應的所述歷史數據構建樣本集；
5、利用所述樣本集訓練故障識別模型；
6、基于訓練好的故障識別模型進行故障檢測，并根據檢測結果執行預設操作。
7、在本公開的一種實現方式中，所述為所述歷史數據標注標簽包括：
9、將所述第一字段與第二字段組成一個n維向量，作為該條歷史數據對應的標簽。
10、在本公開的一種實現方式中，所述配電網線路故障包括開關本身故障，開關所在配電網分支線路故障，配電網全網故障中的一種或幾種。
11、在本公開的一種實現方式中，所述故障識別模型為神經網絡模型；其中，所述神經網絡模型包括多層圖卷積層，下采樣層，多層全連接層和輸出層；每兩層圖卷積層之間設置所述下采樣層。
12、在本公開的一種實現方式中，所述基于訓練好的故障識別模型進行故障檢測，并根據檢測結果執行預設操作包括：
13、基于訓練好的故障識別模型進行故障檢測，輸出需要進行開關開斷操作的概率值；
14、若所述概率值在第一區間，則不執行開關開斷操作；
15、若所述概率值在第二區間，則執行故障指示或者故障預警操作；
16、若所述概率值在第三區間，則執行開關開斷操作。
17、在本公開的一種實現方式中，還包括：
18、獲取配電網線路故障的實時數據；
19、為所述實時數據標注標簽，并將標注好的所述標簽與對應的所述實時數據加入到所述樣本集中。
20、第二方面，本公開實施例中提供了配電網線路故障檢測模塊，包括：
21、獲取模塊，被配置為獲取配電網線路故障的歷史數據；所述歷史數據包括配電網中的n個開關測得的電氣數據以及各個開關所構成的網絡拓撲數據；其中，n為自然數；
22、構建模塊，被配置為為所述歷史數據標注標簽，并基于標注好的所述標簽與對應的所述歷史數據構建樣本集；
23、訓練模塊，被配置為利用所述樣本集訓練故障識別模型；
24、故障檢測模塊，被配置為基于訓練好的故障識別模型進行故障檢測，并根據檢測結果執行預設操作。
25、在本公開的一種實現方式中，所述配電網線路故障檢測裝置配置于配電網的開關中，或者包括開關的配電網設備中，或者包括配電網設備的系統中。
26、在本公開的一種實現方式中，所述構建模塊中為所述歷史數據標注標簽的部分，被配置為：
27、若某條歷史數據對應的配電網在對應時刻存在配電網線路故障，并且所述配電網線路故障導致第一數量的開關執行了保護操作，則為所述第一數量的開關標記第一字段，將其余數量的開關標記第二字段；
28、將所述第一字段與第二字段組成一個n維向量，作為該條歷史數據對應的標簽。
29、在本公開的一種實現方式中，所述配電網線路故障包括開關本身故障，開關所在配電網分支線路故障，配電網全網故障中的一種或幾種。
30、在本公開的一種實現方式中，所述故障識別模型為神經網絡模型；其中，所述神經網絡模型包括多層圖卷積層，下采樣層，多層全連接層和輸出層；每兩層圖卷積層之間設置所述下采樣層。在本公開的一種實現方式中，所述故障檢測模塊包括：
31、檢測單元，被配置為基于訓練好的故障識別模型進行故障檢測，輸出需要進行開關開斷操作的概率值；
32、第一執行單元，被配置為若所述概率值在第一區間，則不執行開關開斷操作；
33、第二執行單元，被配置為若所述概率值在第二區間，則執行故障指示或者故障預警操作；
34、第三執行單元，被配置為若所述概率值在第三區間，則執行開關開斷操作。
35、第三方面，本公開實施例提供了一種電子設備，包括存儲器和處理器，其中，所述存儲器用于存儲一條或多條計算機指令，其中，所述一條或多條計算機指令被所述處理器執行以實現如第一方面任一項所述的方法。
36、第四方面，本公開實施例中提供了一種計算機可讀存儲介質，其上存儲有計算機指令，該計算機指令被處理器執行時實現如第一方面任一項所述的方法。
37、第五方面，本公開實施例提供了一種芯片，芯片包括處理器，該處理器用于調用存儲器中的計算機程序，以執行上述配電網線路故障檢測方法。
38、本公開實施例提供的技術效果可以包括以下有益效果：
39、根據本公開實施例提供的技術方案，配電網線路故障檢測方法，獲取配電網線路故障的歷史數據；所述歷史數據包括配電網中的n個開關測得的電氣數據以及各個開關所構成的網絡拓撲數據；其中，n為自然數；為所述歷史數據標注標簽，并基于標注好的所述標簽與對應的所述歷史數據構建樣本集；利用所述樣本集訓練故障識別模型；基于訓練好的故障識別模型進行故障檢測，并根據檢測結果執行預設操作。上述技術方案中基于電氣數據、網絡拓撲數據以及標簽訓練故障識別模型，并基于故障識別模型進行故障檢測，能夠動態地、高效地實現全局和局部的故障判斷和提前預警，提升了配電網的智能化水平。
40、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本公開。
本文檔來自技高網...【技術保護點】
1.一種配電網線路故障檢測方法，其特征在于，包括：
2.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，所述為所述歷史數據標注標簽包括：
3.根據權利要求2所述的配電網線路故障檢測方法，其特征在于，所述配電網故障包括開關本身故障，開關所在配電網分支線路故障，配電網全網故障中的一種或幾種。
4.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，所述故障識別模型為神經網絡模型；其中，所述神經網絡模型包括多層圖卷積層，下采樣層，多層全連接層和輸出層；每兩層圖卷積層之間設置所述下采樣層。
5.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，所述基于訓練好的故障識別模型進行故障檢測，并根據檢測結果執行預設操作包括：
6.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，還包括：
7.一種配電網線路故障檢測裝置，其特征在于，包括：
8.根據權利要求7所述的配電網線路故障檢測裝置，其特征在于，所述配電網線路故障檢測裝置配置于配電網的開關中，或者包括開關的配電網設備中，或者包括配電網設
9.根據權利要求7所述的配電網線路故障檢測裝置，其特征在于，所述構建模塊中為所述歷史數據標注標簽的部分，被配置為：
10.根據權利要求9所述的配電網線路故障檢測裝置，其特征在于，所述配電網線路故障包括開關本身故障，開關所在配電網分支線路故障，配電網全網故障中的一種或幾種。
11.根據權利要求7所述的配電網線路故障檢測裝置，其特征在于，所述故障識別模型為神經網絡模型；其中，所述神經網絡模型包括多層圖卷積層，下采樣層，多層全連接層和輸出層；每兩層圖卷積層之間設置所述下采樣層。
12.根據權利要求7所述的配電網線路故障檢測裝置，其特征在于，所述故障檢測模塊包括：
13.一種電子設備，其特征在于，包括存儲器和處理器；其中，所述存儲器用于存儲一條或多條計算機指令，其中，所述一條或多條計算機指令被所述處理器執行以實現權利要求1-6中任一項所述的方法。
14.一種計算機可讀存儲介質，其上存儲有計算機指令，其特征在于，該計算機指令被處理器執行時實現權利要求1-6中任一項所述的方法。
15.一種芯片，其特征在于，包括：至少一個處理器，用于實現如權利要求1-6中任一項所述的方法。
...【技術特征摘要】
1.一種配電網線路故障檢測方法，其特征在于，包括：
2.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，所述為所述歷史數據標注標簽包括：
3.根據權利要求2所述的配電網線路故障檢測方法，其特征在于，所述配電網故障包括開關本身故障，開關所在配電網分支線路故障，配電網全網故障中的一種或幾種。
4.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，所述故障識別模型為神經網絡模型；其中，所述神經網絡模型包括多層圖卷積層，下采樣層，多層全連接層和輸出層；每兩層圖卷積層之間設置所述下采樣層。
5.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，所述基于訓練好的故障識別模型進行故障檢測，并根據檢測結果執行預設操作包括：
6.根據權利要求1所述的配電網線路故障檢測方法，其特征在于，還包括：
7.一種配電網線路故障檢測裝置，其特征在于，包括：
8.根據權利要求7所述的配電網線路故障檢測裝置，其特征在于，所述配電網線路故障檢測裝置配置于配電網的開關中，或者包括開關的配電網設備中，或者包括配電網設備的系統中。
9.根據權利要...
【專利技術屬性】
技術研發人員：羅仲全，彭潔，劉敬之，閆涵，何倩，呂驥，鄭利斌，李擘，賀金紅，蘇承志，方侃，楊洪易，馬潤生，范彩兄，白暉峰，霍超，張港紅，苑佳楠，
申請(專利權)人：國網青海省電力公司，
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。