本技术涉及智能电网,特别是涉及一种柔性直流输电线路的故障识别模型训练方法、柔性直流输电线路的故障识别方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术:
1、随着人工智能技术的发展,人工智能算法模型应用的范围越发广泛。在柔性直流输电线路的故障识别中,采用深度学习等算法有效融合和利用采样数据中蕴含的故障特征以实现故障识别的方法,逐渐得到应用。该类方法无需整定计算判据阈值,且耐受过渡电阻能力和抗噪声干扰能力强。
2、然而,该类方法需要大量训练样本以保证算法在训练过程中挖掘到准确的数据特征,而实际直流系统中的故障数据匮乏,无法有效训练得到具有良好泛化能力的故障识别模型。
技术实现思路
1、基于此,有必要针对模型训练效果差的技术问题,提供一种柔性直流输电线路的故障识别模型训练方法、柔性直流输电线路的故障识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本技术提供了一种柔性直流输电线路的故障识别模型训练方法。所述方法包括:
3、对待识别柔性直流输电线路对应的仿真线路模型进行故障仿真模拟,得到多种类型的故障电压反行波;所述多种类型的故障电压反行波包括初始区内故障电压反行波、含一次折反射的区内故障电压反行波和区外故障电压反行波;
4、分别对所述多种类型的故障电压反行波进行数学解析,得到所述多种类型各自对应的故障电压反行波表达式;
5、根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集;
6、根据所述各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型。
7、在其中一个实施例中,所述根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集,包括:
8、若所述故障电压反行波表达式为所述初始区内故障电压反行波对应的故障电压反行波表达式,则获取所述待识别柔性直流输电线路的线路长度;
9、根据所述线路长度,确定电压反行波沿所述待识别柔性直流输电线路传播的传播距离范围;
10、根据所述传播距离范围和所述初始区内故障电压反行波对应的故障电压反行波表达式,生成所述初始区内故障电压反行波对应的故障样本集。
11、在其中一个实施例中,所述根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集,包括:
12、若所述故障电压反行波表达式为所述含一次折反射的区内故障电压反行波对应的故障电压反行波表达式,则获取所述待识别柔性直流输电线路的耐受过渡电阻能力需求范围;
13、根据所述耐受过渡电阻能力需求范围和所述含一次折反射的区内故障电压反行波对应的故障电压反行波表达式,生成所述含一次折反射的区内故障电压反行波对应的故障样本集。
14、在其中一个实施例中,所述根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集,包括:
15、若所述故障电压反行波表达式为所述区外故障电压反行波对应的故障电压反行波表达式,则获取所述待识别柔性直流输电线路的线路长度、平波电抗器电抗值、线模波阻抗和线模色散时间常数各自对应的数量级;
16、根据所述线路长度、所述平波电抗器电抗值、所述线模波阻抗和所述线模色散时间常数各自对应的数量级,以及所述区外故障电压反行波对应的故障电压反行波表达式,生成所述区外故障电压反行波对应的故障样本集。
17、在其中一个实施例中,所述多种类型各自对应的故障电压反行波表达式均为时域上的表达式;
18、每种类型对应的故障样本集中的每个故障样本的生成过程,包括:
19、获取在故障识别时所需的故障电压反行波的采样数量和采样间隔;
20、根据所述采样间隔和所述每种类型对应的故障电压反行波表达式,生成与所述采样数量对应数量的故障电压反行波;
21、将所述与所述采样数量对应数量的故障电压反行波作为所述每个故障样本在训练时所需的故障电压反行波。
22、在其中一个实施例中,所述根据所述各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型,包括:
23、采用交叉验证法,确定所述故障识别模型的最优网络结构;
24、采用自适应矩估计法,确定所述故障识别模型的最优模型参数;
25、根据所述最优网络结构和所述最优模型参数,得到训练完成的故障识别模型。
26、第二方面,本技术还提供了一种柔性直流输电线路的故障识别方法。所述方法包括:
27、在待识别柔性直流输电线路发生故障的情况下,采集所述待识别柔性直流输电线路的故障电压反行波;
28、将所述故障电压反行波输入训练完成的故障识别模型中,得到故障识别结果;所述故障识别模型根据如权利要求1至6中任一项所述柔性直流输电线路的故障识别模型训练方法训练得到;
29、根据所述故障识别结果,确定所述待识别柔性直流输电线路发生故障的区域。
30、第三方面,本技术还提供了一种柔性直流输电线路的故障识别模型训练装置。所述装置包括:
31、故障仿真模块,用于对待识别柔性直流输电线路对应的仿真线路模型进行故障仿真模拟,得到多种类型的故障电压反行波;所述多种类型的故障电压反行波包括初始区内故障电压反行波、含一次折反射的区内故障电压反行波和区外故障电压反行波;
32、数学解析模块,用于分别对所述多种类型的故障电压反行波进行数学解析,得到所述多种类型各自对应的故障电压反行波表达式;
33、样本生成模块,用于根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集;
34、模型训练模块,用于根据所述各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型。
35、第四方面,本技术还提供了一种柔性直流输电线路的故障识别装置。所述装置包括:
36、数据采集模块,用于在待识别柔性直流输电线路发生故障的情况下,采集所述待识别柔性直流输电线路的故障电压反行波;
37、故障识别模块,用于将所述故障电压反行波输入训练完成的故障识别模型中,得到故障识别结果;所述故障识别模型根据如权利要求1至6中任一项所述柔性直流输电线路的故障识别模型训练方法训练得到;
38、区域确定模块,用于根据所述故障识别结果,确定所述待识别柔性直流输电线路发生故障的区域。
39、第五方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
40、对待识别柔性直流输电线路对应的仿真线路模型进行故障仿真模拟,得到多种类型的故障电压反行波;所述多种类型的故障电压反行波包括初始区内故障电压反行波、含一次折反射的区内故障电压反行波和区外故障电压反行波;
41、分别对所述多种类型的故障电压反行波进行数学解析,得到所述多种类型各自对应的故障电压反行波表达式;
42、根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集;
43、根据所述各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型。
44、第六方面,本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
45、对待识别柔性直流输电线路对应的仿真线路模型进行故障仿真模拟,得到多种类型的故障电压反行波;所述多种类型的故障电压反行波包括初始区内故障电压反行波、含一次折反射的区内故障电压反行波和区外故障电压反行波;
46、分别对所述多种类型的故障电压反行波进行数学解析,得到所述多种类型各自对应的故障电压反行波表达式;
47、根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集;
48、根据所述各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型。
49、第七方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
50、对待识别柔性直流输电线路对应的仿真线路模型进行故障仿真模拟,得到多种类型的故障电压反行波;所述多种类型的故障电压反行波包括初始区内故障电压反行波、含一次折反射的区内故障电压反行波和区外故障电压反行波;
51、分别对所述多种类型的故障电压反行波进行数学解析,得到所述多种类型各自对应的故障电压反行波表达式;
52、根据各种类型对应的故障电压反行波表达式,生成所述各种类型对应的故障样本集;
53、根据所述各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型。
54、上述柔性直流输电线路的故障识别模型训练方法、柔性直流输电线路的故障识别方法、装置、计算机设备、存储介质和计算机程序产品,首先对待识别柔性直流输电线路对应的仿真线路模型进行故障仿真模拟,得到多种类型的故障电压反行波,然后分别对多种类型的故障电压反行波进行数学解析,得到多种类型各自对应的故障电压反行波表达式,使得不需要对实际采样的故障电压反行波进行拟合才能确定故障电压反行波表达式;接着根据各种类型对应的故障电压反行波表达式,生成各种类型对应的故障样本集,可以得到满足需求数量的多个故障样本;最后,根据各种类型对应的故障样本集,对预先构建的故障识别模型进行训练,得到训练完成的故障识别模型。通过仿真线路模型得到故障电压反行波表达式,可以得到针对于待识别柔性直流输电线路的多个故障样本,从而避免实际应用中故障样本数量匮乏导致故障识别模型不准确的问题;并且,基于更多的故障样本,可以使训练得到柔性直流输电线路的故障识别模型具有更好的可靠性和抗噪性。