[发明专利]基于卷积神经网络的配电网早期故障分类方法及装置

权利要求书

1.一种基于卷积神经网络的配电网早期故障分类方法，其特征在于，

该方法包括以下步骤：

步骤S1：对配电网中的三相电压、电流信号进行采集，同时将三相电流求和得到中性点电流，对上述七个波形分别进行小波变换，每个波形经过变换后将被分解为近似系数和细节系数；

步骤S2：获取原始波形对应的矩阵；

步骤S3：构建卷积神经网络和其输入矩阵；

步骤S4：训练卷积神经网络；

步骤S5：利用卷积神经网络进行分类；

其中步骤S1具体包括：采用5层Meyer小波函数进行小波分解，分解结果为S＝a₅+d₁+d₂+…d_m，其中s为原始信号，a₅为小波分解得到的近似系数，d₁…d_m为小波分解得到的细节系数；且原始波形长度为N，a₅,d₁…d_m的长度均为N；

其中步骤S2具体包括：长度为N的原始波形，经过小波变换，得到1层近似系数和m层细节系数，每层系数长度均为N，将这m+1层系数纵向拼接起来，即得到一个长为N、宽为m+1的矩阵，这个矩阵的每一行即为一层系数，其中第一层为近似系数，第2到m+1层为细节系数；每个长度为N的原始波形对应一个长为N、宽为m+1的矩阵。

2.根据权利要求1所述的配电网早期故障分类方法，其特征在于：

步骤S3具体包括：通过选择适合的网络架构、超参数，搭建起一个卷积神经网络；对于配电网中的一次异常事件，获取三相电压、三相电流以及中性点电流共7个波形，每个波形对应上述的一个矩阵；将这7个矩阵纵向拼接起来，构成一个长为N、宽为7m+7的矩阵，将最后得到的这个矩阵作为卷积神经网络的输入。

3.根据权利要求2所述的配电网早期故障分类方法，其特征在于：

步骤S4中，对于训练集中的数据，输入卷积神经网络的是每个事件对应的矩阵，标签是每个事件对应的故障种类，卷积神经网络通过标签调整自身的权重，使得输入事件对应矩阵时，输出为这一事件的标签。

4.根据权利要求3的配电网早期故障分类方法，其特征在于：

所述每个事件对应的故障种类包括早期故障和非早期故障。

5.根据权利要求4的配电网早期故障分类方法，其特征在于，

对于配网中的一个未知事件，重复步骤S1到S3得到这个未知事件对应的矩阵；在步骤S5中，将这一矩阵输入训练好的卷积神经网络。

6.根据权利要求5的配电网早期故障分类方法，其特征在于，

在步骤S5中通过计算，网络将输出所述未知事件的标签，即故障种类，若输出的标签为早期故障，则这一事件属于早期故障，反之则不是。