一种配电网故障巡检方法、系统、设备及存储介质与流程

本发明涉及配电网智能巡检，特别是涉及一种配电网故障巡检方法、系统、设备及存储介质。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、配电网多集中于乡(镇、区)、村(小区)，相比输变电的场景，配电网的环境更加复杂多样，巡检信息中的干扰性信息更多，为适应复杂环境，同一配电设备的形态、位置多变，那么导致同一缺陷也存在较大差异。

3、另外，因安全保护需要，配电网在不同部位安装有多类的保护装置，不同保护装置之间、保护装置与其他设备之间的相似度较高；而在输变电样本中，不同设备之间的缺陷特征差异较大。

4、由此可以看出，配电网特征与输变电特征存在较大差异，且样本数量级不同，输变电模型及相关策略都不适用于配电网，也无法直接迁移至配电网进行应用。

5、通过对配电网巡检数据的分析构建配电网通用或专用的智能识别模型，通过自动智能识别实现配电网数据的精准高效能分析。当前配电网智能识别模型主要通过数据关联性分析、特征匹配等方式进行构建，需设计大规模网络参数，同时需要经过大批量数据的不断迭代优化，此过程存在以下几个问题：

6、1、大规模网络参数及大批量数据的计算，造成配电网巡检分析模型构建时间长，在模型优化时，大规模网络参数也会造成优化迭代缓慢。

7、2、模型优化过程中，需要手动调整相关超参实现模型迭代优化，且模型优化过程需要单独进行，无法在模型使用过程中进行自主迭代。

8、3、当前传统模型在构建时，离散数据空间无法微分，从而导致大量重复计算，模型参数在随机优化后易造成数据特征丢弃随机或降低、且无法同时在卷积网络架构和循环架构等异相架构上进行参数优化更新，无法匹配不同网络架构。

技术实现思路

1、为了解决上述问题，本发明提出了一种配电网故障巡检方法、系统、设备及存储介质，设计配电网巡检数据模型多权重共享构建技术，提出配电网巡检数据模型参数拟合自优化方法，实现模型权重自主更新与快速优化，并可在不同异相架构中进行参数更新，实现巡检分析模型的快速构建与自主优化。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供一种配电网故障巡检方法，包括：

4、获取配电网巡检数据样本；

5、采用配电网巡检数据样本对构建的巡检分析模型进行网络结构训练；所述网络结构训练包括：初始化巡检分析模型中的权重状态及权重连接的分支结构，根据训练过程中权重的使用次数，选择性删除或共享对应的权重及分支结构；

6、定义矢量计算有向图，将网络结构训练后的巡检分析模型以矢量计算有向图的形式组成相适配的网络架构，在该网络架构上采用可微分的连续梯度下降搜索的方式进行模型参数自优化，将优化后的模型参数与原有模型参数进行二次连接后，采用配电网巡检数据样本进行模型参数训练，由此得到最优巡检分析模型；

7、采用最优巡检分析模型，对配电网巡检数据进行异常诊断。

8、作为可选择的实施方式，确定配电网巡检数据样本的最高维度，将该维度作为先验维度特征，在该维度的基础上对配电网巡检数据样本进行升维，以升维后的配电网巡检数据样本进行模型参数训练，通过升维实现数据空间连续分布特征的提取。

9、作为可选择的实施方式，可微分的连续梯度下降搜索的方式包括：对配电网巡检数据样本由高维度到低维度进行排列，确定近似拟合的维度曲线，以此为基础对配电网巡检数据样本进行曲线或曲面的拟合，从而将巡检分析模型原有的数据搜索空间由离散空间近似拟合为连续空间，实现数据搜索空间的可微分，以及给出梯度优化求取方向进行连续梯度下降的搜索。

10、作为可选择的实施方式，选择性删除或共享对应的权重及分支结构的过程包括：初始化权重状态为零，根据训练过程中权重的使用次数，更新对应的权重状态和分支结构，即当权重在训练过程中第n次使用时，则权重状态加n；在训练完成后，若存在使用次数为零的权重，则删除该权重及对应的分支结构，否则进行保存共享。

11、作为可选择的实施方式，当权重的分支结构在训练过程中发生变化时，若变化后的分支结构不在初始分支结构中，则将其进行添加；若权重的分支结构在训练过程中重复出现，则不对该分支结构进行重复保存，直接使用已保存的参数进行连接。

12、作为可选择的实施方式，若权重为非默认权重，则先添加该权重、权重状态及对应的分支结构，然后再对该权重进行更新与共享判断。

13、作为可选择的实施方式，配电网巡检数据样本包括设备可见光历史图像、设备历史声音和设备历史温度，并以此分别构建与训练设备可见光图像的巡检分析模型、设备声音的巡检分析模型和设备温度的巡检分析模型，根据巡检分析模型进行设备运行状态的异常诊断，若至少存在一项异常时，确定设备缺陷类型，并再次采集设备可见光图像，对再次采集的设备可见光图像进行二次分析，以进行缺陷位置定位。

14、第二方面，本发明提供一种配电网故障巡检系统，包括：

15、数据获取模块，被配置为获取配电网巡检数据样本；

16、网络结构训练模块，被配置为采用配电网巡检数据样本对构建的巡检分析模型进行网络结构训练；所述网络结构训练包括：初始化巡检分析模型中的权重状态及权重连接的分支结构，根据训练过程中权重的使用次数，选择性删除或共享对应的权重及分支结构；

17、模型参数自优化模块，被配置为定义矢量计算有向图，将网络结构训练后的巡检分析模型以矢量计算有向图的形式组成相适配的网络架构，在该网络架构上采用可微分的连续梯度下降搜索的方式进行模型参数自优化，将优化后的模型参数与原有模型参数进行二次连接后，采用配电网巡检数据样本进行模型参数训练，由此得到最优巡检分析模型；

18、智能分析模块，被配置为采用最优巡检分析模型，对配电网巡检数据进行异常诊断。

19、第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

20、第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

21、与现有技术相比，本发明的有益效果为：

22、本发明创新性提出基于多组权重共享的模型构建与网络结构训练方法，区别于现有模型构建过程是对权重与其对应的分支结构在模型的不同部位进行重复保存与读取，本发明引入多组权重共享方法机制，采用权重比较与共享的方法，设计权重映射字典，既可避免权重的重复保存，又可实现权重的灵活添加、比对与调用，实现模型中无关权重替代和权重投影共享，进而实现模型训练过程中网络结构和权重数量的精简，保证模型精度的同时提高模型训练效率。

23、本发明创新性提出模型参数自优化方法，区别于常见的模型自优化算法中采用离散空间数据搜索的方式，本发明将离散数据空间拟合为连续数据空间，设计可微分算法，降低模型构建过程中的计算量；区别于常见的模型自优化算法中仅能适配特定网络架构，本发明设计由n个节点有序序列组成的有向图，灵活组成各种结构，可在不同异相架构模型中进行参数更新，实现模型在使用过程中的自主迭代优化。

24、本发明创新性提出模型参数自优化方法，将优化后的模型参数与对未修改的原有模型参数重新连接强化，保证模型的已有参数的原始性与精确度，避免模型参数在随机优化后造成的数据特征丢弃随机或降低的问题；并根据模型效果不断进行模型参数更新，从而实现模型参数的自动搜索与优化更新。

25、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。