技术特征：
1.配电网典型故障风险感知方法，其特征在于，包括以下步骤：获取配电网调控后台信息系统的历史监测数据以及实时运行数据；对获取的历史监测数据及实时运行数据进行小波变换，提取故障特征；根据提取的故障特征创建典型故障集，构建数字孪生智慧大脑故障判别体；将配电网实测数据输入构建的数字孪生智慧大脑故障判别体，对其进行特征提取，得到故障诊断结果。2.根据权利要求1所述的配电网典型故障风险感知方法，其特征在于，历史监测数据及实时运行数据的获取方法，具体步骤如下：利用ieee33节点仿真模型，选定不同负荷节点设置不同类型的短路故障；采集故障节点的三相电压、电流值。3.根据权利要求1所述的配电网典型故障风险感知方法，其特征在于，对历史监测数据及实时运行数据进行小波变换以实现对波形的故障特征提取，具体步骤如下：根据尺度函数φ(t)和小波函数ψ(t)推导得出小波基，进而获得后续步骤中波形的离散小波变换，具体如下：φ
j,k
(t)＝2
j/2
φ(2
j
t-k)ψ
j,k
(t)＝2
j/2
ψ(2
j
t-k)式中，ψ
j,k
(t)即为ψ(t)函数小波函数族中的幅值，其中j为尺度参数，决定小波基的频率特性，k为平移参数，φ
j,k
(t)同理。对于函数f(t)∈l2(r)的离散小波变换的计算公式为：w
f
(2
j
,2
j
k)＝2-j/2
∫
r
f(t)ψ
*
(2-j
t-k)dt式中，f(t)∈l2(r)表示，要求目标函数f(t)为勒贝格空间(l)在实数集合r上任意时刻t均平方可积的函数；对f(t)进行小波变换以实现数据降维以及特征提取。考虑信号(即配电网采样所得电压电流波形)的各个频带成分，对小波变换后的信号计算信息熵，设信号序列f(n)在各个频段上的小波系数为d(n)，则小波能量可由下式得到：式中，e为对目标信号进行计算所得的小波能量。信息熵概率需满足和为1，进行标幺化后为：式中，p即为小波信号的相对能量。得到一段信号的小波信息熵为：ε＝-∑p(ln(p))式中，ε即为小波信息熵。4.根据权利要求1所述的配电网典型故障风险感知方法，其特征在于，数字孪生智慧大脑故障判别体的具体构建步骤如下：构建长短期记忆网络(lstm)；利用获取的历史监测数据对长短期记忆网络(lstm)进行训练；
将历史运行数据小波变换后的结果代入以lstm网络和历史资料库结合而成的配电网诊断模型，形成数字孪生智慧大脑故障判别体。5.根据权利要求4所述的配电网典型故障风险感知方法，其特征在于，长短期记忆网络(lstm)的构件步骤如下：lstm由遗忘门，输入门，输出门三部分组成，计算式如下式所示：遗忘门：f
t
＝σ(w
f
[h
t-1
,x
t
]+b
f
)输入门：i
t
＝σ(w
i
[h
t-1
,x
t
]+b
i
)同时更新细胞单元状态，将c
t-1
更新为c
t
：：输出门：o
t
＝σ(w
o
[h
t-1
,x
t
]+b
o
)输出结果：h
t
＝o
t
*tanh(c
t
)其中w
f
,w
i
,w
o
分别为遗忘门，输入门和输出门的权值矩阵，b
f
,b
i
,b
o
分别为遗忘门，输入门和输出门的偏置权值，w
c
和b
c
分别为更新权值矩阵和更新偏置矩阵。t为当前时刻，t-1为前一时刻，σ为sigmod激活函数，x
t
表示当前细胞的输入，h
t
表示当前隐藏状态(hidden state),c
t
为当前细胞状态值(cell state)，为当前细胞状态估计值,h
t
和c
t
为lstm网络的两个传输状态变量；f
t
为遗忘门输出，输出范围为(0～1)，决定细胞状态c
t
是否舍弃上一时刻状态值c
t-1
，i
t
为输入门输出，决定c
t
中估计值的占比，o
t
为输出门输出。6.根据权利要求4所述的配电网典型故障风险感知方法，其特征在于，利用获取的历史监测数据对长短期记忆网络(lstm)进行训练的具体步骤如下：lstm的输入数据为序列数据，采用随时间反向传播(bptt)算法进行训练。损失函数选择最小均方差为标准。式中，l(t)为样本损失函数，由网络训练输出值h(t)与实际值y(t)的差决定。l为样本训练集总损失。为简化表示，令s(t)＝tanh(c
t
)训练权重计算公式如下：
式中，ω
f
,ω
i
,ω
o
为遗忘门，输入门，更新矩阵和输出门的单项权重，s(t)为细胞状态c
t
取双曲正切变形所得，x
t
表示当前细胞的输入，h
t
表示当前隐藏状态(hidden state)，为当前细胞状态估计值,h
t
和c
t
为lstm网络的两个传输状态变量；f
t
为遗忘门输出，输出范围为(0～1)，i
t
为输入门输出，决定c
t
中估计值的占比，o
t
为输出门输出。7.一种配电网，其特征在于，其使用权利要求1-6中任一项所述的配电网典型故障风险感知方法进行故障诊断。8.根据权利要求7所述的一种配电网，其特征在于，包括：配电线路，通过配电网网架连接，用于对电力进行输送；变电站，用于将电网的输电电压转为配电电压，并通过所述配电线路输出；开关站，用于分配所述配电线路；配电室，所述配电室中设置有变压器、开关柜，用于将高电压转换为用电电压。9.一种设备，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得一个或多个处理器实现如权利要求1-6中任一项所述的配电网典型故障风险感知方法。10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一项所述的配电网典型故障风险感知方法。
技术总结
本发明公开了配电网典型故障风险感知方法、配电网、设备及存储介质，涉及配电网风险评估技术领域。本发明包括以下步骤：获取配电网调控后台信息系统的历史监测数据以及实时运行数据；对获取的历史监测数据及实时运行数据进行小波变换，提取故障特征；根据提取的故障特征创建典型故障集，构建数字孪生智慧大脑故障判别体；将配电网实测数据输入构建的数字孪生智慧大脑故障判别体，对其进行特征提取，得到故障诊断结果。本发明实现了配电网风险感知，有效提高配电网规划和维护运行的收益，保证配电网稳定运行、降低了停电损失和设备损耗。耗。耗。
技术研发人员：顾伟 普炳晨 沈超 贾东梨 范瑞祥 安义 章飞
受保护的技术使用者：中国电力科学研究院有限公司 国网江西省电力有限公司电力科学研究院
技术研发日：2022.09.26
技术公布日：2023/1/2